【摘要】：隨著社會(huì)主義現(xiàn)代化的持續(xù)推進(jìn),我國(guó)的基礎(chǔ)設(shè)施建設(shè)也在如火如荼的進(jìn)行。作為衡量國(guó)家現(xiàn)代化水平的重要指標(biāo)——高速公路,其里程數(shù)也在近年來(lái)躍居世界第一。然而如此龐大復(fù)雜的道路交通網(wǎng)也帶來(lái)了難以妥善解決的道路養(yǎng)護(hù)問(wèn)題。由于施工方式、氣候條件、行車負(fù)載等因素,道路常常會(huì)產(chǎn)生裂縫,這為道路交通安全帶來(lái)了巨大的挑戰(zhàn)。因此如何從道路圖像上準(zhǔn)確地檢測(cè)出裂縫區(qū)域就成為了亟需解決的難題。傳統(tǒng)的道路裂縫檢測(cè)算法容易受到噪聲等因素的干擾,而且隨著道路材質(zhì)的變化,檢測(cè)效果也會(huì)大打折扣。近年來(lái)基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)技術(shù)在圖像分割領(lǐng)域取得了振奮人心的成績(jī),因此將卷積神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到道路裂縫檢測(cè)任務(wù)就成為了一個(gè)十分值得探索的研究方向。卷積神經(jīng)網(wǎng)絡(luò)通常需要大量的標(biāo)注數(shù)據(jù)來(lái)訓(xùn)練,而當(dāng)前道路裂縫檢測(cè)領(lǐng)域的數(shù)據(jù)量無(wú)法滿足需求。因此本文首先應(yīng)用了多種圖像變換方法擴(kuò)增數(shù)據(jù)集。之后為了解決這些擴(kuò)增數(shù)據(jù)相似度較大的問(wèn)題并進(jìn)一步擴(kuò)增數(shù)據(jù)集,本文提出了一種數(shù)據(jù)合成方法。該方法首先將裂縫區(qū)域從圖像上提取出來(lái),經(jīng)過(guò)變換后與不含裂縫的背景圖像進(jìn)行泊松融合。通過(guò)該方法可以大量合成分布差異較大的標(biāo)注數(shù)據(jù),這解決了本文對(duì)大規(guī)模數(shù)據(jù)的需求。接著本文設(shè)計(jì)了一個(gè)解碼器-編碼器結(jié)構(gòu)的深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行端到端的自動(dòng)道路裂縫檢測(cè)。該網(wǎng)絡(luò)含有108個(gè)卷積層,由下采樣路徑、瓶頸結(jié)構(gòu)和上采樣路徑構(gòu)成。其中下采樣路徑逐步縮小特征圖尺寸,從而提取圖像特征;瓶頸結(jié)構(gòu)用于減少特征圖數(shù)量,剔除冗余信息;上采樣路徑逐步擴(kuò)大特征圖尺寸,從而恢復(fù)圖像細(xì)節(jié),預(yù)測(cè)目標(biāo)類別。通過(guò)大量的實(shí)驗(yàn),以及與其他相關(guān)算法進(jìn)行對(duì)比,本文的算法在多個(gè)評(píng)價(jià)指標(biāo)上均取得了當(dāng)前最好成績(jī),并大幅超越其他算法,證明了本文算法的有效性。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TP18;U418.66
【圖文】：

1 緒論1.1 研究背景及意義自改革開放四十年以來(lái)，我國(guó)國(guó)民經(jīng)濟(jì)經(jīng)歷了十分迅速的增長(zhǎng)，國(guó)家基礎(chǔ)建設(shè)的腳步也從未停止。而高速公路作為國(guó)民交通出行及運(yùn)輸?shù)闹饕绞剑蔀榱撕饬恳粋�(gè)國(guó)家現(xiàn)代化進(jìn)程的重要標(biāo)志。我國(guó)的高速公路建設(shè)起步于 20 世紀(jì) 80 年代中期，與發(fā)達(dá)國(guó)家相比晚了將近 50 年，然而近二十年來(lái)的發(fā)展卻十分迅猛。自從 1988 年 1月上海的滬嘉高速公路建成通車后，我國(guó)的高速公路建設(shè)如井噴式爆發(fā)。截止到 201年底，我國(guó)的高速公路通車總里程數(shù)已經(jīng)達(dá)到 13.65 萬(wàn)公里[1]，超過(guò)美國(guó)成為世界第一，基本滿足了人民生產(chǎn)生活的需要。

圖 1-3 VGG16：一個(gè)典型的卷積神經(jīng)網(wǎng)絡(luò).2.2 圖像語(yǔ)義分割圖像語(yǔ)義分割是計(jì)算機(jī)視覺(jué)領(lǐng)域中一項(xiàng)經(jīng)典的任務(wù)。圖像語(yǔ)義分割的目的圖像上的每一個(gè)像素分配一個(gè)類別，以得到像素級(jí)的密集分類。在卷積神經(jīng)之前，圖像語(yǔ)義分割通常采用像素級(jí)的決策樹分類方法[21][22]。最初使用卷積進(jìn)行語(yǔ)義分割的研究通常使用圖像塊分類方法：將圖像劃分為多個(gè)不重疊，然后將每個(gè)圖像塊分別輸入卷積神經(jīng)網(wǎng)絡(luò)，從而對(duì)這些圖像塊進(jìn)行分類。因?yàn)槭艿椒诸惥W(wǎng)絡(luò)思想的影響，網(wǎng)絡(luò)中含有全連接層，輸入必須為固定大小[23]。而且圖像塊的數(shù)量也不能設(shè)置過(guò)多，否則將極大地增加網(wǎng)絡(luò)的參數(shù)量。[24]提出了全卷積神經(jīng)網(wǎng)絡(luò)(FullyConvolutionalNetworks, FCN)，改進(jìn)了原

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙娜;;《圖像合成》學(xué)習(xí)工具制作綜述[J];中國(guó)信息技術(shù)教育;2015年04期

2 陳野;;高中物理實(shí)驗(yàn)圖像的教學(xué)功能深度開發(fā)[J];湖南中學(xué)物理;2017年03期

3 郝金松;;利用Photoshop綜合處理圖片[J];中國(guó)多媒體與網(wǎng)絡(luò)教學(xué)學(xué)報(bào)(電子版);2016年06期

4 尹帥;韓玉萍;;數(shù)字化圖像合成教學(xué)設(shè)計(jì)[J];中華少年;2017年08期

5 單薇;;巧用圖層蒙版進(jìn)行圖像合成[J];考試周刊;2017年33期

6 佟竺軒;宋南;;淺析特效在微電影中的作用[J];數(shù)碼世界;2017年06期

7 李秀釵;;《圖像的合成加工》之課堂教學(xué)探究[J];中小學(xué)電教(下半月);2017年09期

8 蔣愛(ài)德;扈少華;;彩色圖像合成技術(shù)分析[J];鄭州牧業(yè)工程高等�？茖W(xué)校學(xué)報(bào);2008年04期

9 孟祥釗;;基于3D4U的立體圖像合成[J];數(shù)碼印刷;2008年02期

10 陳柏潤(rùn)，王曉京;圖像合成的軟件設(shè)計(jì)[J];計(jì)算機(jī)應(yīng)用研究;1996年04期

相關(guān)會(huì)議論文 前10條

1 邵新星;何小元;;亞像素圖像合成[A];中國(guó)力學(xué)大會(huì)-2015論文摘要集[C];2015年

2 錢霖;;兩幀圖像合成的“亞象元”方法[A];首屆信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2003年

3 尹寶才;高文;晏潔;;三維人臉變形模型和面部圖像合成——面向合成編碼的面部圖像合成方法[A];信息科學(xué)與微電子技術(shù):中國(guó)科協(xié)第三屆青年學(xué)術(shù)年會(huì)論文集[C];1998年

4 李茶茶;李飛;;一種新的指紋圖像合成分割法[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

5 羅功銀;周正;饒強(qiáng);;基于Visual C++的數(shù)字圖像合成算法研究[A];2017智能電網(wǎng)信息化建設(shè)研討會(huì)論文集[C];2017年

6 姜志國(guó);史文華;韓冬兵;孫維忠;劉莉;;基于聚焦合成的顯微三維成像系統(tǒng)[A];2004年CT和三維成像學(xué)術(shù)年會(huì)論文集[C];2004年

7 陸宗騏;朱煜;;圖像合成原理及其實(shí)現(xiàn)[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

8 趙莎;樂(lè)光新;;一種適于視頻會(huì)議的多會(huì)場(chǎng)圖像合成方法[A];2008年中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集（上冊(cè)）[C];2009年

9 曹玫璇;王章野;李理;彭群生;;基于個(gè)性化原型的人臉?biāo)ダ蠄D像合成[A];中國(guó)計(jì)算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國(guó)計(jì)算機(jī)圖形學(xué)大會(huì)論文集[C];2008年

10 黃靜;王希;齊東旭;唐澤圣;;基于二值掩碼圖像的圖像合成方法及其應(yīng)用[A];中國(guó)計(jì)算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國(guó)計(jì)算機(jī)圖形學(xué)大會(huì)論文集[C];2008年

相關(guān)重要報(bào)紙文章 前8條

1 陳海燕;尼康相機(jī)的圖像合成功能怎么用？[N];中國(guó)攝影報(bào);2020年

2 圖像點(diǎn)青;靈感重現(xiàn)[N];中國(guó)電腦教育報(bào);2003年

3 記者 李鵬;人臉識(shí)別新突破：或成破案神器[N];北京科技報(bào);2015年

4 Li Hua;巧用Alpha通道實(shí)現(xiàn)特效[N];電腦報(bào);2004年

5 劉東波;輕松縫合破碎圖像[N];計(jì)算機(jī)世界;2004年

6 天空;用Photoshop制作暈光字[N];江蘇經(jīng)濟(jì)報(bào);2003年

7 王帥;“深度偽造”的法律風(fēng)險(xiǎn)與防范[N];中國(guó)城鄉(xiāng)金融報(bào);2019年

8 趙斌;聽說(shuō)地球的“美顏照”比“素顏照”更真實(shí)？[N];中國(guó)航天報(bào);2019年

相關(guān)博士學(xué)位論文 前10條

1 吳博劍;基于圖像的透明物體重建與渲染[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院);2019年

2 宋曉丹;面向云移動(dòng)媒體計(jì)算的圖像視頻通信和存儲(chǔ)技術(shù)研究[D];西安電子科技大學(xué);2017年

3 鮑建敏;基于生成對(duì)抗網(wǎng)絡(luò)的圖像合成[D];中國(guó)科學(xué)技術(shù)大學(xué);2019年

4 殷國(guó)君;基于深度學(xué)習(xí)的圖像特征理解與語(yǔ)義表達(dá)[D];中國(guó)科學(xué)技術(shù)大學(xué);2019年

5 杜楊洲;基于統(tǒng)計(jì)學(xué)習(xí)的人臉圖像合成方法研究[D];清華大學(xué);2004年

6 李旭東;人臉圖像合成技術(shù)研究及數(shù)字水印技術(shù)[D];浙江大學(xué);2005年

7 王樹才;禽蛋檢測(cè)與分級(jí)智能機(jī)器人研究[D];華中農(nóng)業(yè)大學(xué);2006年

8 杜振龍;圖像—視頻摳像技術(shù)的研究[D];浙江大學(xué);2007年

9 胡偉平;基于認(rèn)知邏輯的個(gè)性化人臉圖像合成研究[D];西南大學(xué);2014年

10 王楠楠;異質(zhì)人臉圖像合成及其應(yīng)用研究[D];西安電子科技大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 莊雪琳;虛擬圖像生成的研究[D];南京師范大學(xué);2019年

2 陳茹;基于對(duì)偶學(xué)習(xí)的圖像風(fēng)格轉(zhuǎn)移研究[D];西華大學(xué);2019年

3 陳淑t

本文編號(hào)：2720623