近年來,隨著我國公路建設(shè)的蓬勃發(fā)展,對路面道路管理維護(hù)的規(guī)模也隨之迅速增長。而其中公路尤其是高速公路因長期投入運(yùn)行,路面很容易形成裂縫危害,造成交通安全隱患。目前,僅僅通過人工識別檢測方式或者單一的圖像處理檢測方法早已不能滿足日前路面裂縫檢測的發(fā)展速度,而且存在一定的誤差。如何實時準(zhǔn)確地識別、檢測定位出路面中存在的裂縫目標(biāo)并當(dāng)下予以修復(fù)是當(dāng)前亟待解決的問題。目前對于路面圖像的分類主要基于特征提取并采用機(jī)器學(xué)習(xí)分類器的方法。但可提取的表面特征種類繁多,如何從中選擇有效適合的特征,從而達(dá)到對路面圖像中裂縫和背景很好的區(qū)分需要不同特征之間的對比和組合。而對于分類之后裂縫圖像的檢測定位主要采用一系列圖像處理流程,涉及到對于不同形狀、深淺的裂縫目標(biāo)需人工設(shè)置不同的閾值參數(shù)進(jìn)行分割、篩選、提取,如何進(jìn)一步對其圖像處理流程完善或采用當(dāng)下應(yīng)用最廣泛的深度學(xué)習(xí)模型用于裂縫圖像檢測,從而更有效地提高其通用性、實用性和準(zhǔn)確率。具體來說,針對以上的問題,本文的主要工作如下:首先,研究了HOG+LBP組合的特征參數(shù)用于路面裂縫的分類識別方法,其次通過使用SIFT特征彌補(bǔ)HOG+LBP特征向量維度過大,同時使用S... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于SVM路面裂縫識別分類的整體流程

最終每一張路面圖像對應(yīng)的組合特征向量維度過大，要求內(nèi)存容量，從而有較高的空間復(fù)雜度。需要在紋理特征類度較低、分類準(zhǔn)確性較高的特征對路面裂縫圖像進(jìn)行分類T 特征用來描述圖像的局部紋理特性[36-38]，且對旋轉(zhuǎn)角度、定性，對視角大小、干擾噪聲也保持不變性。其核心是在搜尋關(guān)鍵點(diǎn)，并計算出關(guān)鍵特征點(diǎn)對應(yīng)的方向。這些關(guān)鍵緣邊界點(diǎn)、亮暗區(qū)的突出點(diǎn)等。SIFT 特征除不變性的特點(diǎn)量獨(dú)特性好、多量性、高速性、可擴(kuò)展性的特點(diǎn)。）SIFT 對應(yīng)特征提取步驟T 特征檢測提取主要劃分為五個步驟，即構(gòu)建高斯多尺度空中的特征點(diǎn)、特征點(diǎn)定位、特征方向賦值、特征點(diǎn)描述。構(gòu)建高斯多尺度空間降采樣得到一系列縮小尺寸圖像下的多分辨率圖像金字塔部性質(zhì)，即尺度不變性。而通過使用不同高斯核函數(shù)對圖糊得到的高斯尺度空間可保證圖像尺度不變性，如下圖 2-

2 22221( , , )2x yG x y e 檢測不同尺度下都存在的特征點(diǎn)，需用到拉普拉斯高斯（Lan,LoG）算子2 G，即做二階偏導(dǎo)，所以計算量過大，可用差rence of Gaussian，DoG）近似計算 LoG，設(shè) k 為相鄰高斯尺度，DoG 可通過如下式（2-3）計算得出。D( x, y , ) [G ( x, y , k ) G ( x, y , )] I ( x, y) L( x, y , k ) L( x, y, )式中 D ( x , y, )為所求得的差分高斯函數(shù)，高斯金字塔分多組多 2 倍降采樣，組數(shù)由下式（2-4）決定。 2o log min( m, n ) a中o 為組數(shù)， m ，n為圖像長寬，a為 0~2log min(m ,n )間任意值間相差比例因子 k ，即若每組有 S 層，則12Sk ，一般高斯金字層。其中高斯金字塔和差分高斯金字塔之間的轉(zhuǎn)化如下圖 2-3

【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)器視覺的透明塑料件缺陷檢測[J]. 關(guān)日釗,吳磊,徐焯基.  裝備制造技術(shù). 2018(03)
[2]機(jī)器視覺表面缺陷檢測綜述[J]. 湯勃,孔建益,伍世虔.  中國圖象圖形學(xué)報. 2017(12)
[3]基于預(yù)處理與卷積神經(jīng)網(wǎng)絡(luò)的塑件劃痕檢測[J]. 崔熾標(biāo),李陽,毛霆,張云.  模具工業(yè). 2017(09)
[4]基于GRNN神經(jīng)網(wǎng)絡(luò)的瀝青路面裂縫預(yù)測方法[J]. 柯文豪,陳華鑫,雷宇,張濤.  深圳大學(xué)學(xué)報(理工版). 2017(04)
[5]基于自適應(yīng)閾值Canny算法的裂縫檢測方法研究[J]. 孫亮,邢建春,謝立強(qiáng),王進(jìn)京.  微型機(jī)與應(yīng)用. 2017(05)
[6]基于改進(jìn)多類支持向量機(jī)的印刷缺陷檢測[J]. 胡方尚,郭慧.  華東理工大學(xué)學(xué)報(自然科學(xué)版). 2017(01)
[7]路面裂縫圖像自動識別系統(tǒng)[J]. 汪文,英紅,馬驍.  工程技術(shù)研究. 2017(02)
[8]基于三維光影模型的公路路面裂縫自動識別算法[J]. 陽恩慧,張傲南,丁世海,王郴平.  西南交通大學(xué)學(xué)報. 2017(02)
[9]基于數(shù)字圖像處理的路面裂縫自動分類算法[J]. 彭博,蔣陽升,蒲云.  中國公路學(xué)報. 2014(09)
[10]基于圖像的水泥刻槽路面裂縫識別方法[J]. 榮婧,潘玉利.  公路交通科技. 2012(03)



本文編號：3345530