本文選題：路面病害檢測 + 初始分類　； 參考：《遼寧工程技術(shù)大學(xué)》2015年碩士論文

【摘要】：隨著我國國民經(jīng)濟的飛速發(fā)展,車輛行駛數(shù)量和道路里程數(shù)不斷增長,路面承載壓力越來越大,道路的養(yǎng)護任務(wù)也越來越繁重,其中,路面病害檢測工作是道路養(yǎng)護的重要依據(jù),尤其是城市路面的病害檢測工作受到越來越多的重視。在各種城市路面病害類型中,裂縫類病害是一種早期破損形式,一旦不及時修補,將會發(fā)展成其它更嚴(yán)重的路面病害類型,因此,如何快速、準(zhǔn)確地自動識別城市路面裂縫病害的問題亟待解決。本文圍繞城市路面裂縫病害檢測方法進(jìn)行了研究。為了高效識別大量路面圖像中的裂縫類病害路面圖像,并對其進(jìn)行破損程度評估,本文提出對路面病害檢測工作采取“先定性分析后定量分析”的處理流程。首先,對路面圖像進(jìn)行初始分類,主要包括：利用自適應(yīng)平滑濾波和Wallis濾波進(jìn)行路面圖像增強、P-tile圖像分割、提取路面圖像的形狀特征參數(shù)、利用BP神經(jīng)網(wǎng)絡(luò)對路面圖像進(jìn)行分類;然后,對初始分類獲得的裂縫類病害路面圖像采用多尺度、多方位結(jié)構(gòu)元素形態(tài)學(xué)和最大熵圖像分割的算法進(jìn)行裂縫提取,并對分割后的二值裂縫圖像進(jìn)一步精細(xì)化處理,去除偽裂縫；最后,提取二值裂縫圖像的投影特征向量,根據(jù)不同類型裂縫的投影特征值差異進(jìn)行裂縫識別,并且分別統(tǒng)計網(wǎng)型裂縫的外接矩形面積和線型裂縫的總長度,計算路面破損狀況指數(shù)。實驗證明：該方法可以提高路面病害檢測的處理效率,實現(xiàn)路面裂縫的準(zhǔn)確提取,為道路養(yǎng)護提供有效決策信息。
[Abstract]:With the rapid development of our national economy, the number of vehicles and the number of road mileage are increasing, the bearing pressure of the road surface is increasing, and the maintenance task of the road is becoming more and more heavy, among which, Pavement disease detection is an important basis for road maintenance, especially for urban pavement disease detection. Among all kinds of urban road surface diseases, crack diseases are an early form of damage. If they are not repaired in time, they will develop into other more serious types of pavement diseases. Therefore, how to quickly, The problem of accurate automatic identification of urban pavement crack disease needs to be solved. In this paper, the detection method of urban pavement crack disease is studied. In order to identify the pavement images of crack diseases in a large number of pavement images efficiently and evaluate the damage degree of pavement images, this paper puts forward the processing flow of "qualitative analysis then quantitative analysis" for pavement disease detection. Firstly, the initial classification of road surface image is carried out, including: adaptive smoothing filter and Wallis filter are used to segment the pavement image and extract the shape characteristic parameters of the road image. BP neural network is used to classify the pavement image, and then, the original classification of cracked road surface image is based on multi-scale, multi-orientation structure element morphology and maximum entropy image segmentation algorithm for crack extraction. Finally, the projection feature vector of binary crack image is extracted and identified according to the difference of projection eigenvalue of different types of cracks. The external rectangular area and the total length of the linear crack are calculated respectively and the pavement damage index is calculated. Experimental results show that this method can improve the efficiency of pavement disease detection, realize accurate extraction of pavement cracks, and provide effective decision information for road maintenance.
【學(xué)位授予單位】：遼寧工程技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U418.6;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 董安國;梁苗苗;;基于灰度相關(guān)性的裂縫檢測算法[J];計算機應(yīng)用研究;2013年10期

2 宋蓓蓓;韋娜;;FCM分割和形態(tài)學(xué)的瀝青路面圖像裂縫提取[J];計算機工程與應(yīng)用;2013年04期

3 李杰;彭月英;元昌安;林墨;王仁民;;基于數(shù)學(xué)形態(tài)學(xué)細(xì)化算法的圖像邊緣細(xì)化[J];計算機應(yīng)用;2012年02期

4 周麗雅;秦志遠(yuǎn);尚煒;王建榮;;反差一致性保持的影像勻光算法[J];測繪科學(xué)技術(shù)學(xué)報;2011年01期

5 李紅真;楊朝;劉恩海;殷園;;P-tile與直方圖FCM結(jié)合的路面圖像分塊分割[J];計算機時代;2010年08期

6 李清泉;胡慶武;;基于圖像自動勻光的路面裂縫圖像分析方法[J];公路交通科技;2010年04期

7 李剛;賀昱曜;;多方位結(jié)構(gòu)元素路面裂縫圖像邊緣檢測算法[J];計算機工程與應(yīng)用;2010年01期

8 易金龍;;淺議城市道路路面瀝青檢測技術(shù)[J];中國高新技術(shù)企業(yè);2009年24期

9 張宏;英紅;;瀝青路面裂縫圖像識別技術(shù)研究進(jìn)展[J];華東公路;2009年04期

10 陳偉斌;張鑫;陳勝勇;;基于形態(tài)學(xué)重構(gòu)算法的細(xì)胞圖像邊緣檢測[J];計算機與數(shù)字工程;2008年12期

相關(guān)博士學(xué)位論文 前3條

1 白日華;瀝青路面病害檢測與養(yǎng)護決策研究[D];吉林大學(xué);2013年

2 徐志剛;基于多特征融合的路面破損圖像自動識別技術(shù)研究[D];長安大學(xué);2012年

3 王建鋒;激光路面三維檢測專用車技術(shù)與理論研究[D];長安大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 郝曉靜;路面裂縫自動檢測系統(tǒng)研究[D];長安大學(xué);2013年

2 張仙艷;數(shù)字圖像處理在裂縫識別與檢測中的應(yīng)用[D];長安大學(xué);2013年

3 陳艷君;基于特征空間的路面裂縫檢測與識別算法研究[D];武漢工程大學(xué);2012年

4 邱漢興;基于圖像分割的路面裂縫檢測與識別研究[D];重慶交通大學(xué);2012年

5 胡世昆;基于數(shù)字圖像處理技術(shù)的路面裂縫檢測算法研究[D];南京郵電大學(xué);2012年

6 李倩;基于圖像處理的路面裂縫識別研究[D];東北大學(xué);2011年

7 豆曉瑜;基于多尺度分析的瀝青路面裂縫自動檢測技術(shù)研究[D];長安大學(xué);2010年

8 盧曉霞;基于圖像處理的混凝土裂縫寬度檢測技術(shù)的研究[D];電子科技大學(xué);2010年

9 紀(jì)松;線陣影像多視匹配自動提取DSM的理論與方法[D];解放軍信息工程大學(xué);2008年

10 樓競;基于圖像分析的路面病害檢測方法與系統(tǒng)開發(fā)[D];南京理工大學(xué);2008年

，

本文編號：1903734