【摘要】：裂縫是公路路面最常見(jiàn)的一種病害,影響公路的安全運(yùn)營(yíng)。因此,對(duì)公路路面的裂縫進(jìn)行及時(shí)有效的檢測(cè)、評(píng)估和養(yǎng)護(hù)是至關(guān)重要的。主流的公路裂縫檢測(cè)方法通常假設(shè)公路路面裂縫影像的成像質(zhì)量較好、公路路面干凈、無(wú)任何陰影和干擾物。但是,實(shí)際的路面裂縫檢測(cè)將會(huì)遇到各種復(fù)雜的道路場(chǎng)景,主要的問(wèn)題如下所示:(1)一般情況下,公路的兩旁往往有樹(shù)木、路燈、廣告牌等公共設(shè)施,這些公共設(shè)施在太陽(yáng)的照射下會(huì)在公路的路面上形成陰影,公路路面的陰影會(huì)嚴(yán)重的影響公路路面裂縫的亮度均衡;(2)公路的路面除了陰影這一干擾物之外,往往還有其它類(lèi)型的干擾因素,例如最常見(jiàn)的路面油污、水漬、車(chē)道線(xiàn)、車(chē)轍印、樹(shù)葉等。這些干擾物的存在,也會(huì)極大的影響公路路面裂縫的檢測(cè);(3)雖然裂縫的檢測(cè)和提取算法已經(jīng)得到了廣泛的研究,但是關(guān)于公路路面破損程度的評(píng)價(jià)機(jī)制卻鮮有學(xué)者研究和關(guān)注�；谝陨显�,本文對(duì)公路路面的陰影去除、復(fù)雜場(chǎng)景下的公路路面裂縫的檢測(cè)和提取、路面裂縫參數(shù)的提取和路面損傷程度的評(píng)價(jià)這三個(gè)方面進(jìn)行了深入的研究。(1)路面陰影的存在,不僅破壞了路面裂縫圖像亮度的一致性,而且,路面陰影具有形狀極其不規(guī)則、半影區(qū)巨大、陰影區(qū)和非陰影區(qū)難以界定等特點(diǎn)。路面陰影的這些特點(diǎn)都給路面裂縫的順利檢測(cè)帶來(lái)了巨大的挑戰(zhàn)。針對(duì)這一問(wèn)題,本文提出了一種基于自適應(yīng)亮度高程模型的路面陰影消除算法SGRSR。該算法首先采用形態(tài)學(xué)膨脹運(yùn)算和高斯平滑濾波消除路面裂縫和路面紋理對(duì)后續(xù)陰影區(qū)域劃分的影響;然后利用最大熵閾值分割算法求解出高斯平滑后路面影像陰影區(qū)域和非陰影區(qū)域的劃分閾值,以此實(shí)現(xiàn)劃分閾值的自適應(yīng)確定;最后基于改進(jìn)的亮度等高區(qū)域劃分模型和亮度補(bǔ)償方法實(shí)現(xiàn)路面陰影的消除。實(shí)驗(yàn)結(jié)果表明:與GSR算法相比,SGRSR算法不僅能夠?qū)Ａ康�、不同分辨率的路面陰影影像�?shí)現(xiàn)自動(dòng)的路面陰影消除;而且,在路面陰影消除后,路面影像的亮度過(guò)渡更加的自然。(2)由于在實(shí)際的路面裂縫檢測(cè)過(guò)程中將會(huì)遇到各種復(fù)雜的道路場(chǎng)景,而主流的公路路面裂縫檢測(cè)和提取算法又不能很好的解決復(fù)雜場(chǎng)景下的路面裂縫的檢測(cè)和提取問(wèn)題�？紤]到深度學(xué)習(xí)最近在圖像分割領(lǐng)域的巨大成功,因此,如何將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到公路路面裂縫的檢測(cè)和提取過(guò)程中是具有較高應(yīng)用價(jià)值的。本文將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到了路面裂縫的檢測(cè)和提取過(guò)程中,構(gòu)建并實(shí)現(xiàn)了卷積神經(jīng)網(wǎng)絡(luò)和反卷積層神經(jīng)網(wǎng)絡(luò)相結(jié)合的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),直接對(duì)公路路面的裂縫圖像在像素級(jí)別的水平上預(yù)測(cè)其所屬的語(yǔ)義類(lèi)別;然后使用特定的顏色,將路面裂縫的區(qū)域標(biāo)記出來(lái);最后基于這一顏色特征,對(duì)標(biāo)記的路面裂縫圖像進(jìn)行圖像分割,從而提取出路面裂縫。實(shí)驗(yàn)結(jié)果表明:該算法優(yōu)于主流的路面裂縫檢測(cè)算法,能夠初步的解決復(fù)雜背景下的路面裂縫檢測(cè)問(wèn)題。(3)在路面裂縫檢測(cè)和提取之后,如何根據(jù)提取出來(lái)的路面裂縫評(píng)價(jià)路面的損傷程度,以及如何量化提取出來(lái)的路面裂縫,以便為公路的養(yǎng)護(hù)提供一個(gè)可供參考的路面損傷指標(biāo)。針對(duì)這一問(wèn)題,本文對(duì)路面裂縫的量化和路面損傷程度的評(píng)價(jià)算法進(jìn)行了研究。該算法首先通過(guò)人工采集和圖像數(shù)據(jù)集擴(kuò)增算法構(gòu)建一個(gè)具有一定規(guī)模的公路路面裂縫圖像數(shù)據(jù)集合;然后基于A(yíng)lexNet網(wǎng)絡(luò)構(gòu)建一個(gè)可以分類(lèi)龜裂裂縫、塊狀裂縫、縱向裂縫、橫向裂縫、網(wǎng)狀裂縫和坑槽損傷的六分類(lèi)網(wǎng)絡(luò);最后基于路面裂縫的檢測(cè)結(jié)果和路面裂縫的分類(lèi)結(jié)果對(duì)路面裂縫進(jìn)行定量的描述,并且根據(jù)分類(lèi)結(jié)果和裂縫的定量描述對(duì)路面的損傷程度進(jìn)行評(píng)價(jià),以便為公路的養(yǎng)護(hù)管理人員提供一個(gè)參考的依據(jù)。
【圖文】：

路通車(chē)?yán)锍碳航?jīng)突破１３萬(wàn)公里（來(lái)源：國(guó)家統(tǒng)計(jì)局），，我國(guó)的公路里程總量己經(jīng)逡逑穩(wěn)居世界榜首，己成為一個(gè)名副其實(shí)的公路大國(guó)＾邋２００９年一２０１６年全國(guó)的公路發(fā)逡逑展里程如圖１－１所示。逡逑我國(guó)公路發(fā)展里程逡逑５００逡逑ｉｌｌｌｌｌｌｌｌ逡逑２００９邐２０１０邐２０１１邐２０１２邐２０１３邐２０１４邐２０１５邐２０１６逡逑年份逡逑圖１－１邋２０１３－２０１６年全國(guó)公路里程發(fā)展逡逑Ｆｉｇ邋１－１邋Ｎａｔｉｏｎａｌ邋Ｈｉｇｈｗａｙ邋Ｍｉｌｅａｇｅ邋Ｄｅｖｅｌｏｐｍｅｎｔ邋２０１３－２０１６逡逑隨著公路和高速公路在全國(guó)范圍內(nèi)的建成通車(chē)，有效地緩解了我國(guó)陸路交通逡逑運(yùn)輸緊張的情況。但是，隨之而來(lái)也為我們帶來(lái)了新的課題，那就是伴隨著公路逡逑的使用，大量早期修建的公路逐漸進(jìn)入了維護(hù)期。公路路面的裂縫、坑槽、坍塌、逡逑皺裂等路面病害嚴(yán)重影響著公路的承載力、交通運(yùn)輸通道的運(yùn)輸能力、行車(chē)安全逡逑和公路的使用年限。在公路的養(yǎng)護(hù)和管理中，如果能及時(shí)對(duì)路面的病害進(jìn)行檢測(cè)、逡逑分析、評(píng)估和處理，不僅可以極大地延長(zhǎng)公路的使用年限，更重要的是可以極大逡逑地改善公路上的行車(chē)安全，從而實(shí)際有效地保障人民的財(cái)產(chǎn)安全。逡逑雖然我國(guó)在公路建設(shè)方面取得了舉世矚目的成就，但是由于我國(guó)在公路事業(yè)逡逑中長(zhǎng)期存在著“重建設(shè)

邐Ｉｍａｇｅ邋ｃ邐Ｉｍａｇｅ邋ｄ逡逑圖２－４邋Ｇｒａｂ邋ｃｕｔ圖像分割方法缺點(diǎn)的示意圖逡逑Ｆｉｇｕｒｅ邋２－４邋Ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ邋ｏｆ邋ｔｈｅ邋ｄｉｓａｄｖａｎｔａｇｅｓ邋ｏｆ邋ｔｈｅ邋Ｇｒａｂ邋ｃｕｔ邋ｉｍａｇｅ邋ｓｅｇｍｅｎｔａｔｉｏｎ邋ｍｅｔｈｏｄ逡逑綜上所述，其實(shí)不難得出，在前Ｄｅｅｐ邋Ｌｅａｒｎｉｎｇ時(shí)代的圖像分割算法，由于沒(méi)逡逑有圖像分割模型的訓(xùn)練過(guò)程且圖像分割都是基于像素自身的低級(jí)信息，因此這些逡逑算法的時(shí)間復(fù)雜度較低。但是，這些算法在比較困難的圖像分割任務(wù)中，其自動(dòng)逡逑分割的結(jié)果不是十分的理想。逡逑第二階段為Ｄｅｅｐ邋Ｌｅａｒｎｉｎｇ時(shí)代的圖像語(yǔ)義分割算法。自２０１２年基于深度學(xué)逡逑習(xí)的圖像識(shí)別算法在圖像識(shí)別大賽ＩｍａｇｅＮｅｔ獲得冠軍以來(lái)，深度學(xué)習(xí)在計(jì)算機(jī)視逡逑覺(jué)領(lǐng)域取得了巨大的成功，這也直接推動(dòng)了圖像語(yǔ)義分割算法的進(jìn)步，自此，圖逡逑像語(yǔ)義分割算法進(jìn)入了一個(gè)新的時(shí)代％。其中，以深度全卷積神經(jīng)網(wǎng)絡(luò)（ＦＣＮ）逡逑為代表的一系列基于卷積神經(jīng)網(wǎng)絡(luò)的圖像語(yǔ)義分割算法被研究人員提出，并且圖逡逑像語(yǔ)義分割的精度被新提出的算法屢屢刷新。在此
【學(xué)位授予單位】：陜西師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP391.41;U418.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 隋然;潘點(diǎn)飛;;基于改進(jìn)遺傳算法的最佳閾值分割方法及其性能評(píng)價(jià)[J];微型機(jī)與應(yīng)用;2015年14期

2 彭博;蔣陽(yáng)升;韓世凡;羅楠欣;;路面裂縫圖像自動(dòng)識(shí)別算法綜述[J];公路交通科技;2014年07期

3 王興建;秦國(guó)鋒;趙慧麗;;基于多級(jí)去噪模型的路面裂縫檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用;2010年06期

4 賈超;鄒琪;姚芳;王蓓蓓;艾東;;基于神經(jīng)網(wǎng)絡(luò)與模糊算法圖像邊緣檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用研究;2008年11期

5 胡勇;趙春霞;郭志波;;基于多尺度布朗運(yùn)動(dòng)模型的路面破損檢測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2008年03期

6 楊星;陸宇平;;一種用于彩色圖像目標(biāo)識(shí)別的自適應(yīng)閾值分割方法[J];計(jì)算機(jī)與數(shù)字工程;2006年08期

7 王剛;賀安之;肖亮;;基于高速公路裂紋局部線(xiàn)性特征內(nèi)容的脊波變換域算法研究[J];光學(xué)學(xué)報(bào);2006年03期

8 李晉惠;公路路面裂縫類(lèi)病害圖像處理算法研究[J];計(jì)算機(jī)工程與應(yīng)用;2003年35期

9 涂其遠(yuǎn),吳建華,萬(wàn)國(guó)金;動(dòng)態(tài)閾值結(jié)合全局閾值對(duì)圖像進(jìn)行分割[J];南昌大學(xué)學(xué)報(bào)(工科版);2002年01期

相關(guān)博士學(xué)位論文 前1條

1 馬常霞;基于圖像分析的路面裂縫檢測(cè)的關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前1條

1 何靚俊;基于圖像處理的瀝青路面裂縫檢測(cè)系統(tǒng)研究[D];長(zhǎng)安大學(xué);2008年

本文編號(hào)：2695317