本文關(guān)鍵詞：道路缺陷檢測(cè)識(shí)別算法研究　出處：《武漢工程大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 路面缺陷 預(yù)處理 裂縫 非負(fù)特征

【摘要】：隨著我國(guó)綜合國(guó)力的增強(qiáng),高速公路的蓬勃發(fā)展成為必然,路面養(yǎng)護(hù)也越來(lái)越得到重視。然而,人工作業(yè)效率低,精度也難以得到保障,車載式路面缺陷檢測(cè)系統(tǒng)應(yīng)運(yùn)而生。在現(xiàn)場(chǎng)施工作業(yè)中,道路缺陷的檢測(cè)尤為困難,如:坑槽、油污、陰影、路標(biāo)等不可控因素,給檢測(cè)帶來(lái)很大的困難,現(xiàn)有算法難以保證檢測(cè)的效率以及精度,通常導(dǎo)致需要深度修補(bǔ)的地段被忽略,路面缺陷檢測(cè)算法的通用性成了技術(shù)瓶頸。針對(duì)上述難題,本文對(duì)路面缺陷圖像的預(yù)處理、路面缺陷信息提取做了深入的研究。本文主要完成了以下工作:1、對(duì)采集的路面缺陷圖像預(yù)處理。由車載式道路缺陷檢測(cè)系統(tǒng)采集的路面缺陷圖像,由于成像系統(tǒng)自身的缺陷,采集的圖像灰度不均勻,針對(duì)該問(wèn)題,本文對(duì)缺陷圖像進(jìn)行灰度校正,改善眩光造成的圖像亮度、對(duì)比度不均勻問(wèn)題�；叶刃Ｕ�,本文采用了一種改進(jìn)的自適應(yīng)濾波算法,有效的抑制了路面裂縫圖像出現(xiàn)的噪聲,而完整保留了路面裂縫的細(xì)節(jié)。2、路面裂縫信息的提取。完成圖像的預(yù)處理工作之后,對(duì)其進(jìn)行圖像邊緣提取以及圖像分割處理,提出了基于非負(fù)特征的路面裂縫提取方法,在不改變?cè)瓐D像特征的基礎(chǔ)上,采用基于背景標(biāo)記的連通域去噪算法,快速遍歷路面缺陷圖像,減少了路面缺陷圖像處理過(guò)程的復(fù)雜度,以便達(dá)到車載的要求。然后利用形態(tài)學(xué)變換提取膨脹結(jié)果的骨架,使圖像更簡(jiǎn)易直觀。再對(duì)其鏈碼跟蹤提取技術(shù),計(jì)算裂縫的參數(shù)以便于形態(tài)描述,再利用面積和長(zhǎng)度的閾值方法,刪除短鏈,更好的表達(dá)裂縫信息,最后采用基于Zero梯度的輪廓提取算法,檢測(cè)提取路面修補(bǔ)圖像。在實(shí)驗(yàn)中,為保證算法的正確性,對(duì)每個(gè)步驟都做了驗(yàn)證,然后和當(dāng)前的提取算法做了比較。實(shí)驗(yàn)結(jié)果表明:本文采用的圖像采集裝置能夠彌補(bǔ)光照不足的影響,改進(jìn)的路面缺陷圖像預(yù)處理方法,有效的解決了圖像眩光問(wèn)題;提出的基于非負(fù)特征的路面缺陷提取算法,解決了路標(biāo)、陰影以及油污的干擾;在高斯拉普拉斯算子的基礎(chǔ)上,改進(jìn)了算法,對(duì)路面修補(bǔ)圖像的提取達(dá)到了良好的效果,能夠滿足道路養(yǎng)護(hù)中心實(shí)際檢測(cè)周期的需要。
[Abstract]:As China's comprehensive national strength, will inevitably become the vigorous development of the expressway, road maintenance has received more and more attention. However, the manual operation efficiency is low, the precision is difficult to be guaranteed, as mobile pavement defect detection system. In the field of construction operations, road detection of defects is particularly difficult, such as pits, oil sign, shadows, and other uncontrollable factors, which brought great difficulties to the detection, the existing detection algorithm is difficult to ensure the accuracy and efficiency, usually leads to lots of depth repair is ignored, the general surface defect detection algorithm has become the technical bottleneck. To solve the above problems, pretreatment on the surface defect image, surface defect information the extraction is deeply researched. This paper mainly completed the following work: 1, on the surface defect image pretreatment collection. By road defect defect detection system of vehicle mounted road collection Because of the defect image, imaging system, image acquisition is not uniform, in order to solve this problem, the gray correction of defect images, improve image brightness glare caused by the problem of uneven contrast gray. After correction, this paper adopts an improved adaptive filtering algorithm, can effectively restrain the noise of pavement cracks in the image, and retained the integrity of the pavement crack details.2, extraction of pavement cracks information. After image processing, image edge extraction and image segmentation on the extraction method of pavement cracks is proposed based on non negative characteristics, based on the change features of original image, use connectivity domain denoising algorithm based on background markers, rapid traverse surface defect image, reduce the complexity of surface defect image processing process, in order to achieve the vehicle requirements. Then by using morphology Transform to extract the expansion results of the skeleton, make the image more simple and intuitive. The chain code tracking extraction technology, parameter calculation for crack morphology description, using threshold method and the length of the area, remove the short chain, the expression of fracture information better, finally using Zero gradient contour extraction algorithm based on the detection, extraction of pavement to repair the image. In the experiment, to ensure correctness of the algorithm, are validated on each step, then do the current comparison and extraction algorithm. The experimental results show that the image acquisition device used in this paper can compensate the effect of light is not enough, the improved surface defect image preprocessing method, effective solution the image extraction algorithm proposed glare problems; surface defect based on non negative characteristics, solve the signs, shadows and oil interference; based on Gauss Laplasse operator, improved algorithm for pavement repair The image extraction has achieved good results and can meet the needs of the actual detection cycle of the road maintenance center.

【學(xué)位授予單位】：武漢工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：U418

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 施成;邢宇翔;;用ROC和LROC方法觀察三維CT成像識(shí)別缺陷的性能[J];中國(guó)醫(yī)學(xué)影像技術(shù);2012年02期

2 茍怡,吳榮珍,康戈文;對(duì)物體表面缺陷圖像監(jiān)測(cè)的技術(shù)研究[J];實(shí)用測(cè)試技術(shù);2001年05期

3 高潮;李新科;郭永彩;何衛(wèi)華;;橋梁拉索表面缺陷圖像的預(yù)處理方法[J];中國(guó)科技論文在線;2011年04期

4 顏云輝;彭怡書;宋克臣;劉偉嵬;;基于閾值法的帶鋼表面缺陷圖像脈沖噪聲去除[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年05期

5 程萬(wàn)勝;趙杰;宋軍;;表面檢測(cè)中微小缺陷的識(shí)別[J];無(wú)損檢測(cè);2008年04期

6 陳東祥;劉磊;韓鴻志;;汽車車身涂膜缺陷的計(jì)算機(jī)視覺(jué)檢測(cè)方法[J];天津大學(xué)學(xué)報(bào);2009年12期

7 趙君愛(ài);賈民平;;工件表面微小缺陷的檢測(cè)與識(shí)別方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

8 周新建;涂宏斌;胡國(guó)良;;一種用于軸承缺陷圖像的改進(jìn)FCM聚類檢測(cè)算法[J];鑄造技術(shù);2006年12期

9 宋克臣;顏云輝;彭怡書;董德威;;引入局部信息的帶鋼缺陷圖像凸優(yōu)化活動(dòng)輪廓分割模型[J];機(jī)械工程學(xué)報(bào);2012年20期

10 劉金輝;劉穎;郗安民;;一種熱軋中厚板表面缺陷圖像的特征提取方法[J];機(jī)電產(chǎn)品開發(fā)與創(chuàng)新;2006年02期

相關(guān)會(huì)議論文 前2條

1 趙宏宇;趙紅穎;王楠;;缸孔表面缺陷圖像的分段檢測(cè)[A];中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C];1998年

2 孫朝明;徐彥霖;王增勇;;射線底片中的缺陷定量技術(shù)[A];中國(guó)工程物理研究院科技年報(bào)（2005）[C];2005年

相關(guān)博士學(xué)位論文 前3條

1 石端虎;復(fù)雜結(jié)構(gòu)精密焊件中缺陷分割及空間定位的研究[D];哈爾濱工業(yè)大學(xué);2007年

2 王阿川;基于變分PDE的單板缺陷圖像檢測(cè)及修補(bǔ)關(guān)鍵技術(shù)研究[D];東北林業(yè)大學(xué);2011年

3 栗琳;基于視覺(jué)的高反射球面缺陷快速檢測(cè)關(guān)鍵技術(shù)研究[D];天津大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 冶平;半固態(tài)壓葉輪的缺陷判斷與圖像識(shí)別[D];北京有色金屬研究總院;2015年

2 黃德龍;疏松缺陷圖像的自動(dòng)生成算法研究[D];華南理工大學(xué);2015年

3 魏麗君;基于圖像處理技術(shù)的玻璃缺陷圖像預(yù)處理系統(tǒng)研究[D];鄭州大學(xué);2009年

4 李佩;缺陷圖像測(cè)試技術(shù)及應(yīng)用研究[D];廣東工業(yè)大學(xué);2012年

5 陳宇;一種新的光罩霧狀缺陷的檢測(cè)方法研究[D];電子科技大學(xué);2014年

6 宋克臣;帶鋼表面缺陷圖像中目標(biāo)區(qū)域的分割研究[D];東北大學(xué);2011年

7 林琳;基于光波反射率的石英管反光抑制及氣泡缺陷圖像面積測(cè)量研究[D];河北工業(yè)大學(xué);2013年

8 吳洪;平板表面細(xì)微缺陷快速檢測(cè)[D];華東師范大學(xué);2005年

9 徐文章;全息檢測(cè)復(fù)合材料脫粘缺陷的形貌可視化構(gòu)建[D];南昌航空大學(xué);2011年

10 彭怡書;帶鋼表面缺陷圖像脈沖與高斯噪聲的濾除研究[D];東北大學(xué);2011年

，

本文編號(hào)：1386747