橋梁結(jié)構(gòu)的健康狀況與經(jīng)濟(jì)、安全等問(wèn)題密切相關(guān),目前已建成并投入使用的在役橋梁面臨著嚴(yán)峻自然環(huán)境、荷載效應(yīng)、材料老化、疲勞等作用的耦合效用。隨著使用時(shí)間的增長(zhǎng),在使用荷載或者外在環(huán)境的影響下,橋梁結(jié)構(gòu)會(huì)產(chǎn)生裂縫并不斷擴(kuò)展和延伸,導(dǎo)致橋梁的安全狀況發(fā)生變化,影響橋梁的耐久性與使用年限。傳統(tǒng)的裂縫檢測(cè)方法時(shí)間成本高、準(zhǔn)確率與檢測(cè)效率低下,易受干擾因素的影響。本文將基于圖像處理與深度學(xué)習(xí)算法,提出高效準(zhǔn)確的橋梁裂縫識(shí)別算法,為橋梁的安全狀態(tài)及耐久性評(píng)估提供依據(jù),主要研究工作為以下幾個(gè)方面:（1）探討了進(jìn)行橋梁裂縫檢測(cè)及識(shí)別的意義及重要性,綜述國(guó)內(nèi)外關(guān)于裂縫識(shí)別的研究現(xiàn)狀,確定本文的研究?jī)?nèi)容。（2）主要介紹了基于貝葉斯壓縮感知方法進(jìn)行圖像重構(gòu)的過(guò)程,分別對(duì)信號(hào)進(jìn)行基于離散余弦變換基與小波變換基的稀疏表示,然后實(shí)現(xiàn)裂縫圖像重構(gòu),基于峰值信噪比與重構(gòu)誤差值分析不同采樣率下圖像的重構(gòu)性能。（3）基于數(shù)字圖像處理進(jìn)行橋梁結(jié)構(gòu)裂縫識(shí)別,先對(duì)圖像進(jìn)行灰度化、濾波等預(yù)處理,再運(yùn)用最大類(lèi)間方差法與邊緣檢測(cè)算法進(jìn)行圖像分割,然后進(jìn)行裂縫的特征提取與識(shí)別。對(duì)于邊緣檢測(cè)算法,對(duì)比了 Sobel算子、LOG算子及Can... 

【文章來(lái)源】：浙江大學(xué)浙江省211工程院校985工程院校教育部直屬院校

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１橋梁倒塌事故??

實(shí)現(xiàn)比較的裂縫識(shí)別??效果，且大多數(shù)情況下也處理的為灰度圖像。本章基于全卷積網(wǎng)絡(luò)，將深度學(xué)習(xí)方法應(yīng)用??到橋梁結(jié)構(gòu)裂縫識(shí)別中，可以高效準(zhǔn)確的識(shí)別橋梁結(jié)構(gòu)裂縫。??第五章：基于圖像處理和深度學(xué)習(xí)的橋梁結(jié)構(gòu)裂縫識(shí)別試驗(yàn)??本章基于室內(nèi)試驗(yàn)圖像與現(xiàn)場(chǎng)實(shí)際拍攝的橋梁結(jié)構(gòu)裂縫圖像，對(duì)比分析基于圖像處理??技術(shù)的方法與全卷積網(wǎng)絡(luò)方法的適用性，分析兩種方法對(duì)不同干擾因素的敏感性。??第六章：結(jié)論與展望??歸納匯總了本文研究工作，并對(duì)今后可以繼續(xù)提升與改進(jìn)的研究?jī)?nèi)容進(jìn)行展望。??本文技術(shù)路線圖如圖１－３所示。??／？?、??／???＼????Ｉ???１??Ｉ?樣疏化處理?１?特征提取??Ｉ???＇??Ｉ??＿；￣ｎｚｉ??１??Ｉ?｜??????Ｉ?觀測(cè)矩陣設(shè)計(jì)—貝葉斯理論?１?信息恢復(fù)—分類(lèi)器??Ｉ????Ｉ?１?＇??Ｉ??ｘ??Ｉ??????＇?｜基于貝４斯腿獅的］?Ｉ?????丨丨?｜?圖算法?」?，?ｃｉ－ｉｓ、詮卷獅??Ｉ?＾?ｊＣ＝Ｃ＞??????Ｉ?Ｉ圖戀化?丨對(duì)比分析Ｉ訓(xùn)練集——Ｉ獫證集??與濾波?Ｉ?Ｉ?…?丨見(jiàn)??！?｜目標(biāo)區(qū)域?｜參數(shù)識(shí)別??｜?ｍ?與提取?Ｉ???Ｘ??．??ｖ???！?￣基于圖＿里技術(shù)的￣?基于全卷積網(wǎng)絡(luò)的??裂縫棚彷法?；?深度學(xué)習(xí)施??！???＇????、?ｖ??■?〇?〇?■??坫ＦＮ像處押．和深度學(xué)４的橋梁結(jié)構(gòu)裂縫以別力法??試驗(yàn)齡正??室內(nèi)混凝縫識(shí)別試驗(yàn)?在役橋裂縫識(shí)別試驗(yàn)??圖１

浙江大學(xué)碩士學(xué)位論文?第二章基于貝葉斯壓縮感知的圖像重構(gòu)算法及重構(gòu)性能評(píng)估??（ｃ）采樣率為０．３?（ｄ）采樣率為０．４??圖２－２基于ＤＷＴ基的ｌｅｎａ圖像重構(gòu)??２．３．１．２裂縫圖像??裂縫圖像的具有紋理特性，而且裂縫區(qū)域有比較明顯的邊緣輪廓。基于ＤＣＴ基與??ＤＷＴ基的裂縫重構(gòu)圖像如圖２－３與圖２－４所示，分別展示了采樣率為０．１、０．３與０．４時(shí)的??重構(gòu)圖像。??由圖２－３可以發(fā)現(xiàn)，當(dāng)采樣率為０．１時(shí)，重構(gòu)圖像稍顯模糊，背景部分不夠清晰，裂??縫的邊緣也稍顯模糊，表示在重構(gòu)圖像中并沒(méi)有采集到足夠多的足以精確重構(gòu)的信息。當(dāng)??采樣率為０．３與０．４時(shí)，重構(gòu)圖像質(zhì)量有所提升，與原圖相比幾乎無(wú)差異，表明當(dāng)采樣率??達(dá)到０．３時(shí)就足以重構(gòu)裂縫圖像。對(duì)比圖２－４（ｂ）與圖２－３（ｂ），圖２－４（ｂ）中的裂縫邊緣更為清??晰，表示基于ＤＷＴ基的重構(gòu)方法性能要好于基于ＤＣＴ基的圖像重構(gòu)方法。當(dāng)采樣率增??加，從直觀的視覺(jué)判斷，即采用主觀評(píng)價(jià)方法，采樣率為０．３與０．４時(shí)，原始圖像中的紋??理特性、細(xì)節(jié)、裂縫邊緣輪廓等信息都被采集到以實(shí)現(xiàn)精確的圖像重構(gòu)。從圖２－２同樣可??以得到，當(dāng)采樣率為０．３與０．４時(shí)，重構(gòu)圖像與原圖像相比幾乎無(wú)差異。??２３??

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的盾構(gòu)隧道襯砌病害識(shí)別方法[J]. 薛亞?wèn)|,李宜城.  湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[2]基于圖像識(shí)別技術(shù)的隧道襯砌裂縫檢測(cè)系統(tǒng)研究[J]. 李健超,張翠兵,柴雪松,薛峰.  鐵道建筑. 2018(01)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的路表病害識(shí)別與測(cè)量[J]. 沙愛(ài)民,童崢,高杰.  中國(guó)公路學(xué)報(bào). 2018(01)
[4]基于深度學(xué)習(xí)的盾構(gòu)隧道滲漏水病害圖像識(shí)別[J]. 黃宏偉,李慶桐.  巖石力學(xué)與工程學(xué)報(bào). 2017(12)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的橋梁裂縫檢測(cè)與識(shí)別[J]. 劉洪公,王學(xué)軍,李冰瑩,孟潔.  河北科技大學(xué)學(xué)報(bào). 2016(05)
[6]基于壓縮感知的道路交通圖像處理及重構(gòu)算法研究[J]. 張曉東,董唯光,湯旻安.  蘭州交通大學(xué)學(xué)報(bào). 2016(04)
[7]針對(duì)合成孔徑雷達(dá)圖像的新型LOG邊緣檢測(cè)算法[J]. 李洪安,張飛,杜卓明,康寶生,李占利.  圖學(xué)學(xué)報(bào). 2015(03)
[8]基于雙目立體視覺(jué)技術(shù)的橋梁裂縫測(cè)量系統(tǒng)[J]. 王琳,趙健康,夏軒,龍海輝.  計(jì)算機(jī)應(yīng)用. 2015(03)
[9]一種基于貝葉斯壓縮感知的圖像修復(fù)方法[J]. 黨宏社,張娜.  河南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(05)
[10]基于圖像處理的地鐵隧道裂縫識(shí)別算法研究[J]. 王耀東,余祖俊,白彪,許西寧,朱力強(qiáng).  儀器儀表學(xué)報(bào). 2014(07)

碩士論文
[1]基于圖像處理的橋梁底面裂縫檢測(cè)識(shí)別方法研究[D]. 占繼剛.北京交通大學(xué) 2017
[2]基于分布式壓縮感知的地鐵安全監(jiān)測(cè)數(shù)據(jù)重構(gòu)[D]. 王芬.華中科技大學(xué) 2015
[3]基于壓縮感知的圖像重構(gòu)方法研究[D]. 周宇.西安電子科技大學(xué) 2012



本文編號(hào)：3622250