地铁隧道复杂裂缝病害的图像识别算法研究

发布时间：2024-02-22 13:21

　　我国城市轨道交通快速发展的同时,地铁隧道基础设施的安全检测,急需自动化、智能化的理论与技术研发。地铁隧道衬砌环境恶劣,存在大量噪声和光照不匀等现象,纹理特征复杂,传统的人工和图像检测识别方法已逐步被更加智能有效的深度学习算法所替代。因此本文提出了一种结合图像处理和深度卷积网络的地铁隧道衬砌图像识别检测算法,建立了地铁隧道病害目标图像样本库,其能够快速准确的区分裂缝图像与非裂缝图像,并能实现复杂图像中目标智能搜索和类别标注。本文构建了包含图像预处理算法、基于连通区域的图像多级特征分析算法、特征纹理连通域外接矩形提取的像素级浅层图像处理理论模型,能较大程度地滤除背景噪点,划分裂缝区域检测对象,并构造了四种初步分类的裂缝图像样本库。结合图像处理和深度卷积神经网络的分类识别算法,利用改进的Alexnet深度卷积网络对该样本库中不同区域进行特征分析和提取,以实现裂缝图像与非裂缝图像的分类检测。并与SVM等传统分类识别算法进行了详细对比分析。为实现更加精准的病害智能检测,本文设计了一种基于深度卷积网络的目标检测算法,无需任何像素处理操作,并构造了地铁隧道衬砌图像目标标注数据库。利用改进的SSD全卷...

【文章页数】：93 页

【学位级别】：硕士

【部分图文】：

图１－７基于种子点扩散的裂缝提取算法［３５１??Ｆｉｇ．?１－７?Ｔｈｅ?ｃｒａｃｋ?ｅｘｔｒａｃｔｉｏｎ?ａｌｏｒｉｔｈｍ?ｂａｓｅｄ?ｏｎ?ｓｅｅｄｏｉｎｔ?ｄｉｆｆｕｓｉｏｎ?＾??

Ｐｉ＾ｐＨ??ａ?｜??图１－６隧道裂缝识别结果［３２］??Ｆｉｇ．?１－６?Ｔｕｎｎｅｌ?ｃｒａｃｋ?ｉｄｅｎｔｉｆｉｃａｔｉｏｎ?ｒｅｓｕｌｔ１３２１??张硕、张尤赛等［３５］提出了一种基于种子点扩散的半自动隧道裂缝提取方法，??用户可在裂缝上自主选取起始种子点，从而实现裂缝....

图２－２地铁隧道衬砌表面图像??Ｆｉｇ．?２－２?Ｓｕｂｗａｙ?ｔｕｎｎｅｌ?ｌｉｎｉｎｇ?ｓｕｒｆａｃｅ?ｉｍａｇｅｓ??

２．２地铁隧道衬砌图像检测算法??２．２．１基于地铁隧道图像像素处理的算法研究??如图２－２所示，地铁隧道衬砌图像采集系统直接采集获取的隧道图像由于光照??不均、衬砌纹理、材料等各种原因存在大量的噪声和干扰物，因此从复杂的背景??图像中，直接进行地铁隧道图像的裂缝高精度识别难度较....

图３－２图像预处理实验结果??Ｆｉｇ．?３－２?Ｔｈｅ?ｒｅｓｕｌｔ?ｏｆ?ｉｍａｇｅ?ｐｒｅｔｒｅａｔｍｅｎｔ??ｌ－ｉ?ｒ－ｉ?ｌ－＼??／＾＝Ｚ?＾?＝??

（ａ）原始隧道图像?（ｂ）对比度拉伸后图像??（ａ）?Ｔｈｅ?ｏｒｉｇｉｎａｌ?ｔｕｎｎｅｌ?ｉｍａｇｅ?（ｂ）?Ｔｈｅ?ｃｏｎｔｒａｓｔ?ｓｔｒｅｔｃｈｅｄ?ｉｍａｇｅ??图３－１对比度拉伸实验结果??Ｆｉｇ．?３－１?Ｔｈｅ?ｒｅｓｕｌｔ?ｏｆ?ｃｏｎｔｒａｓｔ?ｓｔｒｅｔｃ....

图４－２?ＳＳＤ全卷积网络结构示意图??Ｆｉｇ．?４－２?Ｔｈｅ?ｓｔｒｕｃｔｕｒｅ?ｄｉａｇｒａｍ?ｏｆ?ＳＳＤ?ｆｕｌｌ?ｃｏｎｖｏｌｕｔｉｏｎ?ｎｅｔｗｏｒｋ??

综合考虑地铁隧道的图像特征和目标捡测算法的优劣性，本算法在Ｐｙｔｏｒｃｈ深??度学习框架下构造了?ＳＳＤ?（ｓｉｎｇｌｅ?ｓｈｏｔ?ｍｕｌｔｉｂｏｘ?ｄｅｔｅｃｔｏｒ）深度卷积网络来进行地铁??隧道复杂图像的目标检测，ＳＳＤ算法全卷积网络结构如图４－２所示。??３５??

本文编号：3906812