基于圖像處理的道面裂縫檢測問題研究
發(fā)布時(shí)間:2023-08-11 18:38
道路交通在我國交通運(yùn)輸領(lǐng)域發(fā)揮著重要的作用。隨著經(jīng)濟(jì)的不斷發(fā)展,車輛數(shù)量不斷增加,道路承載的運(yùn)輸量也越來越大,道面難免會出現(xiàn)一定程度的破損,其中裂縫就是一種常見的安全隱患。目前國內(nèi)外針對公路道面病害,提出了一系列算法提高了道面裂縫檢測的效率。相比公路道面,機(jī)場道面關(guān)注的裂縫更細(xì)小,檢測要求更加嚴(yán)格,現(xiàn)有的算法無法滿足機(jī)場道面裂縫檢測要求。目前大部分機(jī)場仍然采用人工觀測的方法;谌斯び^測的道面裂縫檢測存在以下幾個(gè)問題:1)人工觀測是一項(xiàng)勞動密集型工作,比較耗時(shí);2)檢測結(jié)果難以重復(fù),缺乏統(tǒng)一的檢測準(zhǔn)則;3)難以保證檢測者能夠覆蓋整個(gè)機(jī)場跑道。因此,迫切需要一種自動化的機(jī)場道面裂縫檢測算法。本文圍繞機(jī)場道面裂縫檢測問題,提出了一種基于圖像處理的道面裂縫檢測算法,算法共包括三個(gè)方面:(1)為了提高道面裂縫檢測的精度,克服機(jī)場道面背景噪聲的干擾,本文設(shè)計(jì)了一種基于深度學(xué)習(xí)的裂縫定位算法。該算法包括:深度學(xué)習(xí)框架的選取、數(shù)據(jù)集的生成和模型的訓(xùn)練三個(gè)部分。本算法首先將圖像分為兩類:有裂縫圖像和無裂縫圖像,并且將有裂縫圖像中的裂縫區(qū)域標(biāo)定出來作為下一步裂縫像素檢測的輸入,縮小了檢測范圍。(2)通過...
【文章頁數(shù)】:59 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 本文研究內(nèi)容
1.4 論文結(jié)構(gòu)安排
第二章 基于深度學(xué)習(xí)的裂縫定位算法
2.1 深度學(xué)習(xí)框架的選取
2.2 數(shù)據(jù)集的生成
2.3 模型訓(xùn)練
2.4 實(shí)驗(yàn)結(jié)果與分析
2.5 本章小結(jié)
第三章 基于最短路徑搜索的道面裂縫檢測算法
3.1 算法概述
3.2 算法設(shè)計(jì)
3.3 實(shí)驗(yàn)結(jié)果與分析
3.4 本章小結(jié)
第四章 面向道面裂縫可視化的圖像拼接算法
4.1 算法概述
4.2 圖像的光照補(bǔ)償算法
4.3 圖像拼接算法
4.3.1 基于位置信息的圖像初始拼接
4.3.2 基于特征點(diǎn)匹配的拼接優(yōu)化
4.4 實(shí)驗(yàn)結(jié)果與分析
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 本文主要完成的工作及特色
5.2 展望
致謝
參考文獻(xiàn)
作者簡介
本文編號:3841553
【文章頁數(shù)】:59 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 本文研究內(nèi)容
1.4 論文結(jié)構(gòu)安排
第二章 基于深度學(xué)習(xí)的裂縫定位算法
2.1 深度學(xué)習(xí)框架的選取
2.2 數(shù)據(jù)集的生成
2.3 模型訓(xùn)練
2.4 實(shí)驗(yàn)結(jié)果與分析
2.5 本章小結(jié)
第三章 基于最短路徑搜索的道面裂縫檢測算法
3.1 算法概述
3.2 算法設(shè)計(jì)
3.3 實(shí)驗(yàn)結(jié)果與分析
3.4 本章小結(jié)
第四章 面向道面裂縫可視化的圖像拼接算法
4.1 算法概述
4.2 圖像的光照補(bǔ)償算法
4.3 圖像拼接算法
4.3.1 基于位置信息的圖像初始拼接
4.3.2 基于特征點(diǎn)匹配的拼接優(yōu)化
4.4 實(shí)驗(yàn)結(jié)果與分析
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 本文主要完成的工作及特色
5.2 展望
致謝
參考文獻(xiàn)
作者簡介
本文編號:3841553
本文鏈接:http://sikaile.net/kejilunwen/daoluqiaoliang/3841553.html
教材專著