隨著我國工業(yè)化、城鎮(zhèn)化進(jìn)程不斷加快,城市中用于排水、燃?xì)狻㈦娏Φ雀鞣N市政公用地下管線設(shè)施日益增加,路面井蓋的正確檢測與有效管理對人們的人身安全起著關(guān)鍵的作用。人工檢測不僅會產(chǎn)生諸如效率低、耗時多、精度差等缺點(diǎn),而且也會因?yàn)樘鞖饣蛘呔w的位置分布產(chǎn)生其他的安全問題。因此,本文圍繞如何實(shí)現(xiàn)井蓋的自動化檢測這一主題展開了一系列研究。經(jīng)研讀和分析大量關(guān)于井蓋缺陷檢測的文獻(xiàn)發(fā)現(xiàn),大部分學(xué)者都是從傳感器和圖像處理的角度出發(fā),布置一些硬件設(shè)備來獲取井蓋信息,最后通過分析這些信息來得出檢測結(jié)果,而較少結(jié)合視頻監(jiān)控和機(jī)器學(xué)習(xí)算法來實(shí)現(xiàn)井蓋缺陷的識別與分類。雖然這些方法也能實(shí)現(xiàn)井蓋的監(jiān)測,但其性能不夠好,計算量較大,想運(yùn)用到實(shí)時系統(tǒng)中則不太現(xiàn)實(shí)。因此,本文提出了機(jī)器學(xué)習(xí)下的兩個不同算法來較為準(zhǔn)確快速地實(shí)現(xiàn)井蓋缺陷的分類過程。一個是改進(jìn)的SVM算法,另外一個是基于優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)算法。主要的研究內(nèi)容如下:（1）通過研讀大量國內(nèi)外關(guān)于SVM、特征提取、增量學(xué)習(xí)的文獻(xiàn)發(fā)現(xiàn),現(xiàn)有的SVM算法對高維數(shù)據(jù)的特征提取有一些缺陷,本文就此提出相應(yīng)的改進(jìn)方法。首先在特征提取方法上對主成分分析（PCA）和局部線性嵌入（LL... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

高斯濾波Figure2-1.Gaussianfiltering

基于機(jī)器學(xué)習(xí)的道路井蓋缺陷識別算法研究7散高斯函數(shù)作平滑濾波器，如圖2-1所示。圖2-1高斯濾波Figure2-1.Gaussianfiltering二維零均值高斯函數(shù)為式(2-3)所示：g(,)=122(2+2)22（2-3）其中為標(biāo)準(zhǔn)差，g(,)為高斯濾波輸出結(jié)果。用該濾波算法處理后的井蓋如2-2圖所示：圖2-2高斯濾波處理Figure2-2.Gaussianfilterprocessing（2）均值濾波均值濾波原理[15]是，對待處理的當(dāng)前像素，選擇一個模板，即濾波核，該模板為其鄰近的若干個像素組成，用模板的均值來替代原像素的值的方法。計算公式如(2-4)下:g(,)=1∑(,)∈(2-4)其中g(shù)(,)表示輸出結(jié)果，為模板像素個數(shù)，(,)為原圖像像素值。（3）中值濾波中值濾波原理跟均值濾波類似，區(qū)別在于：對選好后的模板的像素從小到大進(jìn)行排序，再用模板的中值來替代原像素的值的方法。對應(yīng)的數(shù)學(xué)表達(dá)式如（2-5）式所示：=,+1,,,+1,+(2-5)其中是圖像第k個像素的灰度值，代表求所有像素的中值。用該濾

浙江工業(yè)大學(xué)碩士學(xué)位論文8波算法處理后的井蓋如2-3圖所示：圖2-3中值濾波處理Figure2-3.Medianfilterprocessing由于本文檢測要求的特殊性：在去除噪聲的同時，選取的平滑算法不能影響到缺陷的檢測。因此，本文選擇使用的平滑算法是中值濾波，其優(yōu)點(diǎn)是可以在保留圖像的目標(biāo)區(qū)域邊緣的前提下，去除孤立的椒鹽噪聲。2.1.2圖像增強(qiáng)井蓋圖片在采樣的時候，可能因?yàn)楣庹盏纫蛩貙?dǎo)致圖像的對比度偏低，因此需要通過圖像增強(qiáng)來有目的地提取圖像局部特征，進(jìn)而將原來不清晰的感興趣圖像區(qū)域、邊緣等特征明顯顯示出來。本文采用的圖像增強(qiáng)算法[16]數(shù)學(xué)表達(dá)式如下（2-6）所示：g(,)=(((,))+(,))(2-6)其中(,)代表原始圖像，g(,)代表增強(qiáng)后的圖像，代表四舍五入運(yùn)算，為一個系數(shù)，代表中值濾波后對應(yīng)像素點(diǎn)的灰度值。本文選擇的濾波器核尺寸為17×17，為1.0。經(jīng)過增強(qiáng)后的效果圖如下圖2-4所示。對比可知，本算法能很好地突出圖像的感興趣區(qū)域。圖2-4圖像增強(qiáng)對比Figure2-4.Imageenhancementcomparison2.1.3OSTU閾值處理在圖像處理過程中，圖像閾值處理是一個重要的環(huán)節(jié)。為了去掉背景，只取需要的感興趣圖像區(qū)域，就需要為圖像設(shè)置一個或多個全局的閾值，進(jìn)而將圖像分為幾個不同的像素塊，這跟分類問題很類似�，F(xiàn)有的閾值分割算法有很多，比如迭代閾值法、動態(tài)閾值法、自適應(yīng)閾值法、OTSU（最大間方差閾值法）等。本節(jié)討論的Otsu方法是一種比較有吸引力的方案。該方法在類間方差最大的情況下是最佳的。除了其最佳性之外，Ostu[17]方法還有一個重要的特性，就是

【參考文獻(xiàn)】：
期刊論文
[1]混凝土橋梁底部裂縫自動檢測與測量[J]. 楊曉,姚曉同,葉琰.  自動化與儀表. 2019(09)
[2]局部敏感哈希圖像檢索參數(shù)優(yōu)化方法[J]. 吳家皋,王永榮,鄒志強(qiáng),胡斌.  計算機(jī)技術(shù)與發(fā)展. 2020(01)
[3]信息熵在網(wǎng)絡(luò)設(shè)備智能修復(fù)中的應(yīng)用研究[J]. 唐啟濤.  計算機(jī)技術(shù)與發(fā)展. 2019(12)
[4]基于改進(jìn)Canny邊緣檢測算法的道路標(biāo)線檢測實(shí)驗(yàn)研究[J]. 李志鵬,于鴻彬,邵宏宇.  實(shí)驗(yàn)技術(shù)與管理. 2019(09)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的自動標(biāo)注技術(shù)的研究[J]. 程冰.  電子世界. 2019(16)
[6]深度卷積網(wǎng)絡(luò)支持下的遙感影像井蓋部件檢測[J]. 楊夢圓,劉偉,尹鵬程,謝夢.  測繪通報. 2019(08)
[7]一種基于全局信息保持的局部線性嵌入算法及應(yīng)用[J]. 畢略,孫文心,熊偉麗.  信息與控制. 2019(04)
[8]基于LoRa技術(shù)的城市井蓋監(jiān)測傳感器網(wǎng)絡(luò)[J]. 潘鋒,劉雪亭.  信息技術(shù). 2019(07)
[9]基于深度學(xué)習(xí)的視頻檢索系統(tǒng)設(shè)計與實(shí)現(xiàn)[J]. 姚錦江,程允權(quán).  計算機(jī)測量與控制. 2019(06)
[10]一種基于局部線性嵌入的SVM增量學(xué)習(xí)方法[J]. 姚明海,王旭.  浙江工業(yè)大學(xué)學(xué)報. 2019(03)

碩士論文
[1]基于無監(jiān)督增量學(xué)習(xí)的跨域行人重識別[D]. 廖星宇.中國科學(xué)技術(shù)大學(xué) 2019
[2]基于深度學(xué)習(xí)的音頻事件識別研究[D]. 吳懷文.北京郵電大學(xué) 2019
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像分類方法研究[D]. 史亮亮.河北科技大學(xué) 2019
[4]基于支持向量機(jī)的電網(wǎng)調(diào)度風(fēng)險評估研究[D]. 陳冰松.浙江大學(xué) 2019
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的自然圖像分類研究[D]. 王強(qiáng).成都信息工程大學(xué) 2018
[6]基于深度學(xué)習(xí)的磁片表面缺陷檢測研究[D]. 陳志浩.浙江工業(yè)大學(xué) 2018
[7]基于混合k近鄰圖的聚類及半監(jiān)督算法研究[D]. 秦一焜.華南理工大學(xué) 2018
[8]一種基于局部線性嵌入的SVM學(xué)習(xí)算法[D]. 王旭.浙江工業(yè)大學(xué) 2018
[9]圖像分類中的卷積神經(jīng)網(wǎng)絡(luò)方法研究[D]. 李明威.南京郵電大學(xué) 2016
[10]支持向量機(jī)核函數(shù)及關(guān)鍵參數(shù)選擇研究[D]. 尹嘉鵬.哈爾濱工業(yè)大學(xué) 2016



本文編號：3039605