本文關(guān)鍵詞：基于圖像處理的路面裂縫檢測關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 路面裂縫 壓縮感知 視覺模型 徑向基概率 神經(jīng)網(wǎng)絡(luò)

【摘要】：隨著我國公路網(wǎng)的不斷完善,公路建設(shè)的規(guī)模趨勢日益平緩,公路路面狀況檢測、養(yǎng)護(hù)和管理已成為我國公路建設(shè)領(lǐng)域的重要任務(wù)。路面裂縫是大部分路面病害的早期形式,及時發(fā)現(xiàn)裂縫并進(jìn)行修補(bǔ)可以有效的減小路面病害帶來的損失。因此,路面裂縫檢測具有重要的現(xiàn)實意義。由于路面圖像的多紋理性、多目標(biāo)性、目標(biāo)的弱信號性和圖像光強(qiáng)的多變性,使得路面裂縫目標(biāo)的識別難度相對較大�，F(xiàn)有算法大多是建立在路面圖像質(zhì)量好、裂縫目標(biāo)清晰的基礎(chǔ)上而開發(fā)的,缺乏對復(fù)雜環(huán)境的適應(yīng)性,難以滿足工程應(yīng)用的實際需求。針對以上問題,本文對路面裂縫病害檢測過程中所涉及的去除噪聲、裂縫目標(biāo)分割、裂縫邊緣提取以及裂縫類型識別等關(guān)鍵技術(shù)進(jìn)行研究,提出了一種基于圖像處理的路面裂縫智能檢測方法。該方法對路面裂縫灰度圖像建立壓縮感知去噪模型,對于成像照度不均勻的問題,選擇自適應(yīng)閾值進(jìn)行分割,并通過韋伯定律和視覺模型進(jìn)行分段閾值邊緣檢測,最終通過徑向基概率神經(jīng)網(wǎng)絡(luò)進(jìn)行裂縫圖像的裂縫類型識別。論文主要在以下幾個方面展開了研究工作:1.針對目前路面圖像濾波算法復(fù)雜度高且難以耦合噪聲抑制和信號平衡的缺點,提出了一種基于非下采樣Contourlet變換域壓縮采樣的濾波算法。該方法首先使用非下采樣Contourlet變換對包含噪聲的路面裂縫圖像進(jìn)行多尺度分解,建立壓縮感知去噪模型,采用偽隨機(jī)傅里葉矩陣對高頻子帶系數(shù)進(jìn)行觀測,通過構(gòu)建重建過程所使用的優(yōu)化目標(biāo)函數(shù)的形式及參數(shù)的設(shè)置,應(yīng)用不同的優(yōu)化目標(biāo)函數(shù)信號,重建原始圖像以達(dá)到實現(xiàn)濾波的目的。實驗表明:本文提出的算法可以很好的克服光照不均對裂縫目標(biāo)檢測的影響,在相同的實驗條件下,與Curvelet閾值法和Wavelet閾值法相比,裂縫的錯誤檢測率降低了15%和7.8%。2.針對成像照度不均勻的問題,提出一種基于改進(jìn)的模糊聚類分割的自適應(yīng)閾值分割算法。改進(jìn)的模糊聚類分割算法對路面灰度圖像采用模糊直方圖,利用模糊直方圖波峰的個數(shù)來確定聚類數(shù),模糊直方圖的極值確定聚類中心。改進(jìn)的模糊聚類分割算法對整幅圖像的全局分割閾值進(jìn)行估計,最大類間方差算法對所劃分子圖像進(jìn)行局部分割閾值估計,局部分割閾值通過局部分割估計閾值與全局分割估計閾值之間的關(guān)系以及子圖像的灰度特點共同確定。實驗表明:在相同的實驗條件下,基于改進(jìn)的模糊聚類分割的自適應(yīng)閾值分割算法比模糊聚類分割算法查全率提高了0.195,查準(zhǔn)率提高了0.0566。3.提出了一種利用視覺模型來確定路面裂縫邊緣檢測閾值的算法。該算法按照仿生學(xué)原理,通過分析人眼的閾值亮度比曲線和Weber比曲線,將圖像根據(jù)背景亮度劃分為三個不同亮度區(qū)域,分別是亮區(qū)域、中間區(qū)域、暗區(qū)域,對于不同亮度區(qū)域分別采用不同的邊緣閾值公式,最后得到路面裂縫的檢測結(jié)果。實驗結(jié)果表明:本文提出的算法受到噪聲的影響較小,能夠克服光照不均對檢測結(jié)果的影響,可以檢測出較為完整的裂縫邊緣信息,在相同的實驗條件下,與基于多尺度小波模極大值和基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的邊緣檢測算法相比,不同類型的裂縫的邊緣定位指標(biāo)和檢出率均有所提高。4.設(shè)計了一個四層徑向基概率神經(jīng)網(wǎng)絡(luò)進(jìn)行裂縫類型的識別。第一隱層采用徑向基函數(shù)作為基函數(shù),隱矢量中心采用k-means聚類法確定,第二隱層與輸出層之間的連接權(quán)值由遞推最小二乘法確定。將裂縫的幾何特征作為網(wǎng)絡(luò)的輸入,利用900幅已知裂縫類型的路面圖像作為訓(xùn)練樣本對徑向基概率神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,訓(xùn)練好的網(wǎng)絡(luò)對700幅未知裂縫類型的路面圖像進(jìn)行分類測試。測試結(jié)果表明:徑向基概率神經(jīng)網(wǎng)絡(luò)可以取得了很好的分類效果,與SVM,C4.5決策樹分類器、貝葉斯分類器相比,識別率達(dá)分別提高了1.85%、4.35%和7.78%。
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：U418.6;TP391.41

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 周世生,孫幫勇,李舉,夏衛(wèi)民;數(shù)字修描技術(shù)在包裝印刷圖像處理中的應(yīng)用研究[J];包裝工程;2005年05期

2 ;Adobe發(fā)布Phototshop CS4[J];照相機(jī);2008年11期

3 徐海良;;國像處理在歐洲前景美好[J];光學(xué)儀器;1989年05期

4 葉培建;1996年國際圖像處理大會信息[J];中國空間科學(xué)技術(shù);1996年06期

5 馬金發(fā),唐健,崔向;圖像處理快速算法研究及實現(xiàn)[J];沈陽工業(yè)學(xué)院學(xué)報;2002年02期

6 王曉平,郝玉峰,袁春偉;基于激發(fā)介質(zhì)進(jìn)行圖像處理[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2003年12期

7 陳源鋒,馮琳;圖像處理技術(shù)在物證照片標(biāo)準(zhǔn)化制作中的應(yīng)用[J];影像技術(shù);2005年02期

8 蔣昀峗;葉俊勇;汪同慶;王同軍;;利用圖像處理技術(shù)進(jìn)行工件角度檢測[J];新技術(shù)新工藝;2007年08期

9 王博;石亮;;圖像處理技術(shù)實現(xiàn)與分析——圖像的退化與復(fù)原[J];硅谷;2008年02期

10 孫麗云;焦向東;劉丹;靳麗;;一種新的圖像處理實驗設(shè)計方法[J];艦船電子工程;2008年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 苑廷剛;李愛東;李汀;艾康偉;嚴(yán)波濤;;圖像處理技術(shù)在田徑科研中的應(yīng)用初探[A];第七屆全國體育科學(xué)大會論文摘要匯編（二）[C];2004年

2 黃海永;朱浩;王朔中;;圖像處理軟件中宏結(jié)構(gòu)的實現(xiàn)和擴(kuò)展[A];面向21世紀(jì)的科技進(jìn)步與社會經(jīng)濟(jì)發(fā)展（上冊）[C];1999年

3 楊文杰;劉浩學(xué);;基于馬爾可夫場理論的圖像處理新方法評述[A];面向21世紀(jì)的科技進(jìn)步與社會經(jīng)濟(jì)發(fā)展（上冊）[C];1999年

4 王晉疆;劉文耀;肖松山;陳曉東;孫正;;光電圖像處理課程中教學(xué)環(huán)節(jié)的設(shè)計[A];光電技術(shù)與系統(tǒng)文選——中國光學(xué)學(xué)會光電技術(shù)專業(yè)委員會成立二十周年暨第十一屆全國光電技術(shù)與系統(tǒng)學(xué)術(shù)會議論文集[C];2005年

5 王鵬;;圖像處理技術(shù)與實驗數(shù)據(jù)處理[A];全面建設(shè)小康社會：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會論文集（上）[C];2003年

6 王曉劍;曹婉;王莎莎;;一種基于高速DSP的圖像處理應(yīng)用平臺[A];2008中國儀器儀表與測控技術(shù)進(jìn)展大會論文集（Ⅲ）[C];2008年

7 張煒;蔣大林;郎芬玲;曹廣鑫;王秀芬;;圖像處理技術(shù)應(yīng)用于選礦領(lǐng)域的綜述[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

8 劉春桐;趙兵;張志利;仲啟媛;;基于圖像處理的自動瞄準(zhǔn)系統(tǒng)精度研究[A];全國自動化新技術(shù)學(xué)術(shù)交流會會議論文集（一）[C];2005年

9 李向榮;;美式落袋球自動擺球系統(tǒng)的圖像處理研究[A];2008中國儀器儀表與測控技術(shù)進(jìn)展大會論文集（Ⅲ）[C];2008年

10 周榮官;周醒馭;;地質(zhì)雷達(dá)圖像處理在崩塌隱患探測中的應(yīng)用及分析[A];第六屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2012年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 新疆大學(xué)紡織與服裝學(xué)院 袁春燕;圖像處理技術(shù)讓數(shù)據(jù)更真實[N];中國紡織報;2013年

2 楊朝暉;我鄰域圖像處理達(dá)到每秒1350億次超高速[N];科技日報;2008年

3 吳啟海;圖像處理時8位/通道或16位/通道模式的選擇探討[N];中國攝影報;2012年

4 殷幼芳;印前圖像處理技術(shù)對印刷質(zhì)量的影響[N];中國包裝報;2005年

5 徐和德;圖像處理要適度[N];中國攝影報;2006年

6 記者 申明;中星微發(fā)布場景高保真圖像處理技術(shù)[N];科技日報;2010年

7 楊玉軍;郵編圖像處理技術(shù)通過驗收[N];中國郵政報;2000年

8 董長生 吳志軍;用圖像處理軟件推動刑偵信息技術(shù)工作[N];人民公安報;2003年

9 殷幼芳;藝術(shù)化的圖像處理技術(shù)[N];中國包裝報;2006年

10 ;富士圖像處理方案走進(jìn)手機(jī)[N];計算機(jī)世界;2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 羅軍;圖像處理快速算法研究與硬件化[D];武漢大學(xué);2014年

2 孫傳猛;煤巖圖像處理及細(xì)觀損傷本構(gòu)模型研究[D];重慶大學(xué);2015年

3 嵇曉平;基于各向異性擴(kuò)散方程圖像處理問題的研究[D];哈爾濱工業(yè)大學(xué);2015年

4 黎海生;量子圖像處理關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2014年

5 吳玉蓮;非局部信息和TGV正則在圖像處理中的應(yīng)用研究[D];西安電子科技大學(xué);2015年

6 張還;聚合物復(fù)合材料微觀圖像處理與分析[D];南京農(nóng)業(yè)大學(xué);2014年

7 季雷;光輻射對生物體影響的關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2015年

8 劉宇飛;基于模型修正與圖像處理的多尺度結(jié)構(gòu)損傷識別[D];清華大學(xué);2015年

9 樊瑤;基于圖像處理的路面裂縫檢測關(guān)鍵技術(shù)研究[D];長安大學(xué);2016年

10 程科;模糊形態(tài)學(xué)技術(shù)及其在圖像處理中的應(yīng)用[D];南京理工大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 杜高峰;基于opencv圖像處理的列車受電弓動態(tài)特性監(jiān)測方法研究[D];西南交通大學(xué);2015年

2 王世豪;基于小波及壓縮感知的圖像處理方法及應(yīng)用研究[D];燕山大學(xué);2015年

3 牛蕾;基于非線性動力系統(tǒng)的圖像處理[D];東北林業(yè)大學(xué);2015年

4 宋君毅;基于圖像處理的魚群監(jiān)測技術(shù)研究[D];天津理工大學(xué);2015年

5 古偉楷;基于異構(gòu)計算技術(shù)的視頻與圖像處理研究[D];華南理工大學(xué);2015年

6 康睿;基于圖像處理的砂土顆粒細(xì)觀特性分析[D];寧夏大學(xué);2015年

7 趙杰;柴油噴霧粒子圖像處理及軟件的設(shè)計[D];長安大學(xué);2015年

8 石璐;基于圖像處理的礦質(zhì)混合料級配檢測算法研究[D];長安大學(xué);2015年

9 李麗君;基于圖像處理的玉米葉部病害識別研究[D];四川農(nóng)業(yè)大學(xué);2014年

10 潘弋;基于智能手機(jī)嵌入式圖像處理和移動網(wǎng)絡(luò)應(yīng)用研究[D];上海交通大學(xué);2015年

，

本文編號：1305269