本文關(guān)鍵詞：地鐵隧道圖像數(shù)據(jù)分析系統(tǒng)，由筆耕文化傳播整理發(fā)布。

【摘要】：地鐵具有快捷、準(zhǔn)時(shí)、運(yùn)量大等特點(diǎn),是城市軌道交通的發(fā)展方向。為保證地鐵的安全運(yùn)營(yíng),必須對(duì)地鐵隧道進(jìn)行周期性安全檢測(cè)。其中隧道裂縫威脅隧道結(jié)構(gòu)穩(wěn)定性,需要重點(diǎn)進(jìn)行檢測(cè)。傳統(tǒng)的隧道裂縫檢測(cè)以人工檢測(cè)為主,這種方式檢測(cè)時(shí)間長(zhǎng)、安全性差,主觀性強(qiáng),已經(jīng)不能滿足安全檢查的實(shí)際需求。為了提高檢測(cè)效率,基于圖像處理的裂縫檢測(cè)逐漸成為研究熱點(diǎn)。但隧道圖像數(shù)量巨大,所以這種檢測(cè)方式對(duì)算法的執(zhí)行效率和準(zhǔn)確性都有極高要求。為此本文設(shè)計(jì)了地鐵隧道圖像數(shù)據(jù)分析系統(tǒng),以并行化的處理方式分析隧道圖像,高效率、高準(zhǔn)確率的實(shí)現(xiàn)隧道裂縫的自動(dòng)檢測(cè)。本文分析了目前國(guó)內(nèi)外裂縫識(shí)別算法的優(yōu)勢(shì)和不足,探究了圖像并行化處理的相關(guān)技術(shù),在這些研究的基礎(chǔ)上,完成了以下三個(gè)內(nèi)容：第一,提出了一種適用于隧道圖像的裂縫分類算法。本文首先將傳統(tǒng)的圖像預(yù)處理算法應(yīng)用到隧道圖像中,分析各個(gè)算法的適用性和不足,選取合適的算法并對(duì)其進(jìn)行簡(jiǎn)單改進(jìn)。最后選用基于梯度決算的平滑濾波、低帽變換和動(dòng)態(tài)OSTU閾值分割,將灰度圖像轉(zhuǎn)換為二值圖。改進(jìn)后的預(yù)處理算法可以有效的濾除隨機(jī)噪聲,平衡光照并突出裂縫信息。隨后特征提取中,本文提出距離直方圖、樣本間線性關(guān)系等4個(gè)特征變量,它們能夠有效的區(qū)分二值圖中裂縫與非裂縫區(qū)域。接著本文設(shè)計(jì)了閾值分類器和基于ELM的裂縫分類器。以北京地鐵一號(hào)線的隧道圖像作為樣本,對(duì)ELM進(jìn)行訓(xùn)練,得到良好的分類效果。最終通過(guò)仿真實(shí)驗(yàn),探究本文算法的準(zhǔn)確率和召回率。第二,對(duì)基于滲漏模型的裂縫搜索算法進(jìn)行了改進(jìn)。提出兩步搜索的方式,首先在原有算法的基礎(chǔ)上定義了初始點(diǎn)的選取規(guī)則和滲漏區(qū)域圓度的判定規(guī)則,通過(guò)計(jì)算滲漏區(qū)域的圓度,濾除水浸等大面積干擾,進(jìn)一步降低誤判率。其次引入概率松弛法,通過(guò)鄰域關(guān)系,將原始圖像轉(zhuǎn)化為概率矩陣,再次進(jìn)行裂縫搜索。最后,引入全局閾值,實(shí)現(xiàn)斷裂裂縫的連接。對(duì)于搜索到的裂縫區(qū)域,本文摒棄了傳統(tǒng)的骨架提取方法,采用了微分和鄰域擴(kuò)張的思想來(lái)計(jì)算裂縫的長(zhǎng)度和寬度。第三,實(shí)現(xiàn)了裂縫識(shí)別的分布式處理。本文通過(guò)研究HIPI-Hadoop圖像視覺(jué)庫(kù),結(jié)合MapReduce分布式框架,將圖像分析過(guò)程劃分為圖像轉(zhuǎn)存、裂縫識(shí)別和裂縫信息統(tǒng)計(jì)三個(gè)階段,分別設(shè)計(jì)各個(gè)階段的Map和Reduce處理函數(shù),最后對(duì)其性能進(jìn)行了測(cè)試,當(dāng)圖像數(shù)目不斷增加時(shí),分布式處理效率遠(yuǎn)遠(yuǎn)高于單機(jī)處理。
【關(guān)鍵詞】：裂縫識(shí)別 特征提取 極限學(xué)習(xí)機(jī) 分布式處理 HIPI視覺(jué)庫(kù)
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U231.94;U456.3
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-12
• 1 引言12-19
• 1.1 研究背景及意義12-13
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀13-17
• 1.2.1 國(guó)外研究現(xiàn)狀13-15
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀15-16
• 1.2.3 圖像并行化處理16-17
• 1.3 論文研究?jī)?nèi)容和組織結(jié)構(gòu)17-19
• 2 地鐵隧道圖像分析系統(tǒng)設(shè)計(jì)方案19-23
• 2.1 總體設(shè)計(jì)方案19-20
• 2.2 模塊功能20-22
• 2.2.1 數(shù)據(jù)采集模塊20-21
• 2.2.2 數(shù)據(jù)存儲(chǔ)模塊21
• 2.2.3 數(shù)據(jù)分析模塊21
• 2.2.4 系統(tǒng)交互模塊21-22
• 2.3 本章小結(jié)22-23
• 3 裂縫識(shí)別算法研究23-58
• 3.1 隧道圖像特征分析23-24
• 3.2 算法流程24-25
• 3.3 隧道圖像預(yù)處理25-37
• 3.3.1 基于梯度決算的中值濾波25-30
• 3.3.2 灰度變換30-33
• 3.3.3 低帽變化33-35
• 3.3.4 最大類間方差閾值分割35-37
• 3.4 裂縫特征的定義與提取37-45
• 3.4.1 裂縫特征變量37-41
• 3.4.2 基于閾值分類器的裂縫分類41-42
• 3.4.3 ELM極限學(xué)習(xí)機(jī)42-44
• 3.4.4 基于ELM的裂縫分類44-45
• 3.5 擴(kuò)散性裂縫搜索45-54
• 3.5.1 基于滲漏模型的裂縫搜索46-49
• 3.5.2 基于概率松弛和滲漏的裂縫搜索49-54
• 3.6 裂縫信息統(tǒng)計(jì)54-57
• 3.6.1 裂縫長(zhǎng)度計(jì)算54-56
• 3.6.2 裂縫寬度計(jì)算56-57
• 3.7 本章小結(jié)57-58
• 4 實(shí)驗(yàn)仿真與結(jié)果分析58-63
• 4.1 不同參數(shù)性能分析58-59
• 4.2 閾值分類器性能分析59-60
• 4.3 ELM分類器性能分析60-61
• 4.4 裂縫識(shí)別效果61-62
• 4.5 本章小結(jié)62-63
• 5 基于HIPI-HADOOP的并行化處理63-71
• 5.1 HIPI接口63-64
• 5.2 并行化方案設(shè)計(jì)64-67
• 5.2.1 圖像存儲(chǔ)功能函數(shù)設(shè)計(jì)65-66
• 5.2.2 裂縫識(shí)別功能函數(shù)設(shè)計(jì)66-67
• 5.2.3 信息統(tǒng)計(jì)功能函數(shù)設(shè)計(jì)67
• 5.3 系統(tǒng)性能分析67-70
• 5.3.1 圖像轉(zhuǎn)存測(cè)試68-69
• 5.3.2 節(jié)點(diǎn)數(shù)目測(cè)試69-70
• 5.3.3 HIB文件測(cè)試70
• 5.4 本章小結(jié)70-71
• 6 總結(jié)與展望71-73
• 6.1 論文總結(jié)71
• 6.2 研究展望71-73
• 參考文獻(xiàn)73-77
• 作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果77-79
• 學(xué)位論文數(shù)據(jù)集79

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 董立菊,于戈;一種有效的圖像二值化方法[J];東北大學(xué)學(xué)報(bào);2004年12期

2 張慶英,岳衛(wèi)宏,肖維紅,江霞;基于邊界特征的圖像二值化方法應(yīng)用研究[J];武漢理工大學(xué)學(xué)報(bào);2005年02期

3 辛德勝;張劍家;王少君;王兆欣;王洪U，

本文編號(hào)：285701