發(fā)布時間：2017-05-04 04:12

  本文關(guān)鍵詞：基于圖像的瀝青路面裂縫的自動識別算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國城市道路以及高速公路的快速發(fā)展,越來越多的人采用瀝青混凝土作為鋪筑路面的材料。以至于道路的養(yǎng)護(hù)工作也越來越繁重。道路的養(yǎng)護(hù)工作與道路檢測調(diào)查有關(guān),然而傳統(tǒng)的檢測方法已經(jīng)滿足不了道路養(yǎng)護(hù)的發(fā)展。研究新型的自動檢測技術(shù)和方法成為重點。因此,本論文對基于瀝青路面圖像病害的自動識別方法進(jìn)行了研究。論文首先引入課題的研究背景意義、國內(nèi)外研究現(xiàn)狀,然后總結(jié)論文結(jié)構(gòu)。在介紹瀝青路面的發(fā)展歷史、路面病害圖像特點的基礎(chǔ)上,研究了瀝青路面病害圖像進(jìn)行灰度處理的方法,并采用了加權(quán)鄰域均值濾波的方法對圖像進(jìn)行了平滑處理。然后采用基于灰度形態(tài)學(xué)的方法對圖像做進(jìn)一步增強(qiáng)處理,此方法能很好保留目標(biāo)邊緣信息的同時抑制了噪聲,效果明顯。接著運用邊緣檢測算子對圖像進(jìn)行邊緣檢測,根據(jù)實驗檢測結(jié)果,確定運用Sobel算子作為程序邊緣檢測算子;在邊緣檢測的基礎(chǔ)上運用數(shù)學(xué)形態(tài)學(xué)的開、閉運算方法有效地對圖像邊緣的空洞以及孤立點噪聲進(jìn)行了處理;最后對圖像中目標(biāo)與背景區(qū)域進(jìn)行全局閾值分割處理。論文研究重點是將預(yù)處理之后的圖像進(jìn)行特征選擇與特征提取研究,并根據(jù)特征實現(xiàn)自動分類識別。主要步驟是根據(jù)特征選擇的方法以及對病害圖像特點的分析提取了病害圖像的三個統(tǒng)計特征:首先是病害圖像在水平和垂直方向上的像素統(tǒng)計圖提取的水平投影特征向量X_(max)和垂直投影特征向量Y_(max);以及病害圖像的連通域個數(shù)特征向量N。根據(jù)決策樹分類器的基本理論,對實驗的可行性進(jìn)行分析研究,然后對分類器進(jìn)行設(shè)計并應(yīng)用識別樣本對分類器進(jìn)行了訓(xùn)練,最后將實驗樣本進(jìn)行分類識別,其樣本實驗結(jié)果的識別率為89.65%。結(jié)果表明本論文提出的運用模式識別的理論方法進(jìn)行病害的自動識別方法可行,達(dá)到了本文研究的目的與意義。對路面病害圖像的自動識別的研究領(lǐng)域有一定的積極意義。
【關(guān)鍵詞】：路面病害圖像 特征提取 連通域 決策樹分類器 自動識別
【學(xué)位授予單位】：重慶交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U418.66;TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-15
• 1.1 研究背景與意義9-10
• 1.1.1 課題背景9
• 1.1.2 研究意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.2.1 國外研究現(xiàn)狀10-11
• 1.2.2 國內(nèi)研究現(xiàn)狀11-12
• 1.3 論文研究內(nèi)容與結(jié)構(gòu)12-15
• 1.3.1 論文研究內(nèi)容12-13
• 1.3.2 論文結(jié)構(gòu)13-15
• 第二章 瀝青路面病害及圖像預(yù)處理15-31
• 2.1 瀝青路面簡介15-16
• 2.1.1 瀝青路面發(fā)展史15-16
• 2.1.2 瀝青路面分類16
• 2.2 瀝青路面病害16-18
• 2.2.1 主要病害介紹16-18
• 2.3 圖像處理技術(shù)18-25
• 2.3.1 圖像的灰度化18-21
• 2.3.2 圖像的增強(qiáng)21-23
• 2.3.3 圖形拼接23-25
• 2.4 圖像濾波去噪25-30
• 2.4.1 維納濾波25-26
• 2.4.2 中值濾波26-27
• 2.4.3 均值濾波27-29
• 2.4.4 高斯（Gauss）濾波29-30
• 2.4.5 加權(quán)鄰域濾波均值濾波30
• 2.5 本章小結(jié)30-31
• 第三章 路面病害圖像分割31-47
• 3.1 灰度形態(tài)學(xué)31-37
• 3.1.1 形態(tài)學(xué)的腐蝕與膨脹32-34
• 3.1.2 形態(tài)學(xué)的開運算和閉運算34-35
• 3.1.3 形態(tài)學(xué)的應(yīng)用35-36
• 3.1.4 形態(tài)學(xué)增強(qiáng)算法36-37
• 3.2 病害圖像的邊緣檢測37-41
• 3.2.1 常見的邊緣檢測算子38-40
• 3.2.2 邊緣檢測實驗結(jié)果40-41
• 3.3 圖像閾值分割方法41-46
• 3.3.1 灰度閾值分割42-44
• 3.3.2 全局閾值分割44-46
• 3.4 本章小結(jié)46-47
• 第四章 路面病害圖像模式識別理論47-61
• 4.1 特征選擇的理論47-48
• 4.2 特征選擇的方法48-50
• 4.2.1 分支定界算法48-49
• 4.2.2 次優(yōu)搜索算法49-50
• 4.3 基于投影的特征提取50-52
• 4.4 基于連通域的特征提取52-55
• 4.4.1 連通域標(biāo)記53-54
• 4.4.2 連通域特征提取54-55
• 4.5 決策樹分類器的基本理論55-59
• 4.5.1 分類器設(shè)計準(zhǔn)則56-57
• 4.5.2 算法思想57-58
• 4.5.3 屬性選擇度量58-59
• 4.5.4 決策樹剪枝59
• 4.6 本章小結(jié)59-61
• 第五章 路面病害圖像分類識別實例61-75
• 5.1 實驗可行性分析61-62
• 5.2 實驗決策樹分類器的設(shè)計與訓(xùn)練62-64
• 5.3 路面病害分類識別實驗64-74
• 5.3.1 圖像采集系統(tǒng)64-66
• 5.3.2 程序算法步驟66-67
• 5.3.3 計算機(jī)自動分類識別67-74
• 5.4 本章小結(jié)74-75
• 第六章 結(jié)論與展望75-77
• 6.1 論文結(jié)論75
• 6.2 論文展望75-77
• 致謝77-78
• 參考文獻(xiàn)78-80
• 附件一 源程序部分代碼80-83
• 攻讀學(xué)位期間取得的研究成果83

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 宋建中;;噴霧圖像的自動分析[J];光學(xué)機(jī)械;1988年04期

2 涂承媛;曾衍鈞;;醫(yī)學(xué)圖像邊緣快速檢測的模糊集方法[J];北京工業(yè)大學(xué)學(xué)報;2005年06期

3 常君明;馮

本文編號：344376