作為路面病害的早期形式,裂縫的實(shí)時(shí)檢測(cè)對(duì)路面養(yǎng)護(hù)管理和性能評(píng)估具有重要價(jià)值。現(xiàn)有路面裂縫檢測(cè)方法主要建立在圖像質(zhì)量好,路面干凈,無陰影,無干擾物的情況下。在實(shí)際檢測(cè)中,路面背景復(fù)雜,如:路面有陰影、斑馬線、油污、水井蓋等。因此,有必要對(duì)復(fù)雜背景下路面裂縫檢測(cè)和識(shí)別進(jìn)行深入系統(tǒng)的研究。復(fù)雜背景下的路面裂縫具有背景紋理強(qiáng)、光照不均勻、干擾噪聲多、裂縫信息弱等特點(diǎn),裂縫檢測(cè)的難點(diǎn)在于路面陰影及復(fù)雜干擾物的去除。為了解決這個(gè)問題,針對(duì)含陰影、斑馬線、油污、井蓋等干擾物的路面裂縫,本文進(jìn)行了增強(qiáng)、去噪、裂縫目標(biāo)提取、特征參數(shù)計(jì)算及破損評(píng)定、裂縫檢測(cè)系統(tǒng)搭建這幾個(gè)方面研究。1)在圖像增強(qiáng)處理中,針對(duì)有陰影的路面裂縫圖像,采用MSR增強(qiáng)算法。以灰度均值、標(biāo)準(zhǔn)差、信息熵值作為評(píng)價(jià)指標(biāo),對(duì)比分析了全局直方圖均衡化、局部直方圖均衡化及本文所采用的MSR增強(qiáng)算法的增強(qiáng)效果。研究結(jié)果表明,本文增強(qiáng)算法處理圖像亮度更高,對(duì)比度更強(qiáng),信息熵更小,圖像的陰影細(xì)節(jié)被有效去除。2)在圖像去噪處理中,針對(duì)有復(fù)雜干擾物的路面裂縫圖像,首先分析不同噪聲干擾下裂縫圖像的特點(diǎn);其次基于圖像的灰度特征、裂縫特征、幾何特征搭建多級(jí)去... 

【文章來源】：西華大學(xué)四川省

【文章頁數(shù)】：82 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

武漢大學(xué)ZOYON-RTM車載裂縫檢測(cè)系統(tǒng)

與斑馬線的相同點(diǎn)為：具有很強(qiáng)的邊緣特征，相對(duì)路面背線的不同點(diǎn)：斑馬線灰度值大（亮），裂縫灰度值�。ò蹬c方向特征，而裂縫無該特點(diǎn)；模型算法切入點(diǎn)為：找出亮的斑馬線灰度值改為背景像素值，從而去除路面圖像中馬線時(shí)，考慮斑馬線為黃色或白色，灰度值大，因此利用，濾除帶黃、白路面標(biāo)示線等噪聲。具體的去噪步驟如下并轉(zhuǎn)換為灰度圖像。信息，篩選出背景像素值 T；遍歷圖像，當(dāng)灰度值大于 執(zhí)行步驟 6。域內(nèi)像素值大于 T 的像素?cái)?shù)目 m，當(dāng) m 大于閾值 m0 時(shí)行步驟 5。素值設(shè)為背景像素值 T。設(shè)為鄰域內(nèi)的最小值。去除斑馬線的流程圖如圖 3.14 所示：

復(fù)雜背景下路面裂縫檢測(cè)與識(shí)別算法研究與裂縫-裂縫特征去噪模型污對(duì)應(yīng)的去噪模型為裂縫特征去噪模型，分析圖中裂縫、背景和，裂縫和油污的相同點(diǎn)為：裂縫、油污（水污）的灰度值都較低度；裂縫和油污的不同點(diǎn)為：油污、水污大面積出現(xiàn)且聚集度延伸較廣且細(xì)長；模型去噪算法切入點(diǎn)為：同時(shí)滿足區(qū)域內(nèi)像素景像素值 T 的才為油污（水污），將其更改為背景像素值。面油污、水污時(shí)，考慮到油污、水污的灰度值也較小，但其空間即：路面上的油污、水污常為大面積出現(xiàn)，聚集度較高，而裂縫利用其與裂縫分布特征的差異，檢測(cè)出油污、水污，并將其像素去噪模型去除油污的流程圖如 3.15 所示：

【參考文獻(xiàn)】：
期刊論文
[1]改革開放40年我國交通運(yùn)輸政府管理創(chuàng)新實(shí)踐與經(jīng)驗(yàn)[J]. 劉思.  交通運(yùn)輸研究. 2018(04)
[2]結(jié)合紋理梯度抑制與L0梯度最小化的紋理濾波[J]. 邵歡,劉春曉.  中國圖象圖形學(xué)報(bào). 2018(11)
[3]圖像質(zhì)量評(píng)價(jià):融合視覺特性與結(jié)構(gòu)相似性指標(biāo)[J]. 朱新山,姚思如,孫彪,錢永軍.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2018(05)
[4]基于三種分割算法的高分辨率影像分割比較[J]. 于旭宅,王瑞瑞,陳偉杰.  中南林業(yè)調(diào)查規(guī)劃. 2018(01)
[5]基于圖像分割的目標(biāo)尺寸特征測(cè)量[J]. 王穎,王鵬飛,楊余旺.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(02)
[6]基于Matlab直方圖技術(shù)的圖像增強(qiáng)方法研究[J]. 李凱,張燁.  自動(dòng)化與儀器儀表. 2017(10)
[7]圖像增強(qiáng)算法綜述[J]. 王浩,張葉,沈宏海,張景忠.  中國光學(xué). 2017(04)
[8]基于容差PR曲線的路面裂縫識(shí)別算法性能評(píng)價(jià)機(jī)制[J]. 彭博,姬然.  重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(07)
[9]水泥混凝土路面裂縫的成因及預(yù)防措施分析[J]. 關(guān)國振.  交通世界. 2017(13)
[10]多功能道路檢測(cè)車發(fā)展綜述[J]. 郝靈恩.  四川水泥. 2017(02)

博士論文
[1]高速公路瀝青路面使用性能評(píng)價(jià)及預(yù)測(cè)研究[D]. 周嵐.東南大學(xué) 2015
[2]基于數(shù)字圖像處理的瀝青路面裂縫識(shí)別技術(shù)研究[D]. 孫波成.西南交通大學(xué) 2015

碩士論文
[1]基于機(jī)器視覺的路面裂縫及附屬物檢測(cè)研究[D]. 王創(chuàng).西安理工大學(xué) 2018
[2]基于無人機(jī)采集圖像的建筑物表面裂縫檢測(cè)方法研究[D]. 馬國鑫.江蘇大學(xué) 2018
[3]基于圖像處理的路面裂縫檢測(cè)系統(tǒng)研究[D]. 張紅.沈陽航空航天大學(xué) 2018
[4]基于計(jì)算機(jī)視覺的路面破損檢測(cè)與識(shí)別的研究[D]. 趙芬芬.南京信息工程大學(xué) 2017
[5]基于圖像分析的路面裂縫檢測(cè)方法與識(shí)別研究[D]. 姜吉榮.南京郵電大學(xué) 2016
[6]基于圖像的瀝青路面裂縫的自動(dòng)識(shí)別算法研究[D]. 朱亮.重慶交通大學(xué) 2016
[7]改進(jìn)滲流模型的混凝土路面圖像裂縫檢測(cè)算法研究[D]. 郭陽.重慶郵電大學(xué) 2016
[8]路面裂縫三維檢測(cè)算法研究[D]. 趙海偉.長安大學(xué) 2015
[9]非均勻光照文本圖像的分割[D]. 鄭騰交.湖南科技大學(xué) 2013
[10]路面裂縫自動(dòng)檢測(cè)系統(tǒng)研究[D]. 郝曉靜.長安大學(xué) 2013



本文編號(hào)：3529938