發(fā)布時間：2020-06-03 19:57

【摘要】：裂縫是公路路面最常見的一種病害,影響公路的安全運營。因此,對公路路面的裂縫進行及時有效的檢測、評估和養(yǎng)護是至關重要的。主流的公路裂縫檢測方法通常假設公路路面裂縫影像的成像質(zhì)量較好、公路路面干凈、無任何陰影和干擾物。但是,實際的路面裂縫檢測將會遇到各種復雜的道路場景,主要的問題如下所示:(1)一般情況下,公路的兩旁往往有樹木、路燈、廣告牌等公共設施,這些公共設施在太陽的照射下會在公路的路面上形成陰影,公路路面的陰影會嚴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,往往還有其它類型的干擾因素,例如最常見的路面油污、水漬、車道線、車轍印、樹葉等。這些干擾物的存在,也會極大的影響公路路面裂縫的檢測;(3)雖然裂縫的檢測和提取算法已經(jīng)得到了廣泛的研究,但是關于公路路面破損程度的評價機制卻鮮有學者研究和關注。基于以上原因,本文對公路路面的陰影去除、復雜場景下的公路路面裂縫的檢測和提取、路面裂縫參數(shù)的提取和路面損傷程度的評價這三個方面進行了深入的研究。(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。路面陰影的這些特點都給路面裂縫的順利檢測帶來了巨大的挑戰(zhàn)。針對這一問題,本文提出了一種基于自適應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)學膨脹運算和高斯平滑濾波消除路面裂縫和路面紋理對后續(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,以此實現(xiàn)劃分閾值的自適應確定;最后基于改進的亮度等高區(qū)域劃分模型和亮度補償方法實現(xiàn)路面陰影的消除。實驗結(jié)果表明:與GSR算法相比,SGRSR算法不僅能夠?qū)Ａ康摹⒉煌直媛实穆访骊幱坝跋駥崿F(xiàn)自動的路面陰影消除;而且,在路面陰影消除后,路面影像的亮度過渡更加的自然。(2)由于在實際的路面裂縫檢測過程中將會遇到各種復雜的道路場景,而主流的公路路面裂縫檢測和提取算法又不能很好的解決復雜場景下的路面裂縫的檢測和提取問題�？紤]到深度學習最近在圖像分割領域的巨大成功,因此,如何將卷積神經(jīng)網(wǎng)絡應用到公路路面裂縫的檢測和提取過程中是具有較高應用價值的。本文將卷積神經(jīng)網(wǎng)絡應用到了路面裂縫的檢測和提取過程中,構(gòu)建并實現(xiàn)了卷積神經(jīng)網(wǎng)絡和反卷積層神經(jīng)網(wǎng)絡相結(jié)合的深度神經(jīng)網(wǎng)絡結(jié)構(gòu),直接對公路路面的裂縫圖像在像素級別的水平上預測其所屬的語義類別;然后使用特定的顏色,將路面裂縫的區(qū)域標記出來;最后基于這一顏色特征,對標記的路面裂縫圖像進行圖像分割,從而提取出路面裂縫。實驗結(jié)果表明:該算法優(yōu)于主流的路面裂縫檢測算法,能夠初步的解決復雜背景下的路面裂縫檢測問題。(3)在路面裂縫檢測和提取之后,如何根據(jù)提取出來的路面裂縫評價路面的損傷程度,以及如何量化提取出來的路面裂縫,以便為公路的養(yǎng)護提供一個可供參考的路面損傷指標。針對這一問題,本文對路面裂縫的量化和路面損傷程度的評價算法進行了研究。該算法首先通過人工采集和圖像數(shù)據(jù)集擴增算法構(gòu)建一個具有一定規(guī)模的公路路面裂縫圖像數(shù)據(jù)集合;然后基于AlexNet網(wǎng)絡構(gòu)建一個可以分類龜裂裂縫、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網(wǎng)絡;最后基于路面裂縫的檢測結(jié)果和路面裂縫的分類結(jié)果對路面裂縫進行定量的描述,并且根據(jù)分類結(jié)果和裂縫的定量描述對路面的損傷程度進行評價,以便為公路的養(yǎng)護管理人員提供一個參考的依據(jù)。
【圖文】：

路通車里程己經(jīng)突破１３萬公里（來源：國家統(tǒng)計局），，我國的公路里程總量己經(jīng)逡逑穩(wěn)居世界榜首，己成為一個名副其實的公路大國＾邋２００９年一２０１６年全國的公路發(fā)逡逑展里程如圖１－１所示。逡逑我國公路發(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范圍內(nèi)的建成通車，有效地緩解了我國陸路交通逡逑運輸緊張的情況。但是，隨之而來也為我們帶來了新的課題，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入了維護期。公路路面的裂縫、坑槽、坍塌、逡逑皺裂等路面病害嚴重影響著公路的承載力、交通運輸通道的運輸能力、行車安全逡逑和公路的使用年限。在公路的養(yǎng)護和管理中，如果能及時對路面的病害進行檢測、逡逑分析、評估和處理，不僅可以極大地延長公路的使用年限，更重要的是可以極大逡逑地改善公路上的行車安全，從而實際有效地保障人民的財產(chǎn)安全。逡逑雖然我國在公路建設方面取得了舉世矚目的成就，但是由于我國在公路事業(yè)逡逑中長期存在著“重建設

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，其實不難得出，在前Ｄｅｅｐ邋Ｌｅａｒｎｉｎｇ時代的圖像分割算法，由于沒逡逑有圖像分割模型的訓練過程且圖像分割都是基于像素自身的低級信息，因此這些逡逑算法的時間復雜度較低。但是，這些算法在比較困難的圖像分割任務中，其自動逡逑分割的結(jié)果不是十分的理想。逡逑第二階段為Ｄｅｅｐ邋Ｌｅａｒｎｉｎｇ時代的圖像語義分割算法。自２０１２年基于深度學逡逑習的圖像識別算法在圖像識別大賽ＩｍａｇｅＮｅｔ獲得冠軍以來，深度學習在計算機視逡逑覺領域取得了巨大的成功，這也直接推動了圖像語義分割算法的進步，自此，圖逡逑像語義分割算法進入了一個新的時代％。其中，以深度全卷積神經(jīng)網(wǎng)絡（ＦＣＮ）逡逑為代表的一系列基于卷積神經(jīng)網(wǎng)絡的圖像語義分割算法被研究人員提出，并且圖逡逑像語義分割的精度被新提出的算法屢屢刷新。在此
【學位授予單位】：陜西師范大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;U418.6

【參考文獻】

相關期刊論文 前9條

1 隋然;潘點飛;;基于改進遺傳算法的最佳閾值分割方法及其性能評價[J];微型機與應用;2015年14期

2 彭博;蔣陽升;韓世凡;羅楠欣;;路面裂縫圖像自動識別算法綜述[J];公路交通科技;2014年07期

3 王興建;秦國鋒;趙慧麗;;基于多級去噪模型的路面裂縫檢測方法[J];計算機應用;2010年06期

4 賈超;鄒琪;姚芳;王蓓蓓;艾東;;基于神經(jīng)網(wǎng)絡與模糊算法圖像邊緣檢測方法[J];計算機應用研究;2008年11期

5 胡勇;趙春霞;郭志波;;基于多尺度布朗運動模型的路面破損檢測[J];計算機工程與應用;2008年03期

6 楊星;陸宇平;;一種用于彩色圖像目標識別的自適應閾值分割方法[J];計算機與數(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性特征內(nèi)容的脊波變換域算法研究[J];光學學報;2006年03期

8 李晉惠;公路路面裂縫類病害圖像處理算法研究[J];計算機工程與應用;2003年35期

9 涂其遠,吳建華,萬國金;動態(tài)閾值結(jié)合全局閾值對圖像進行分割[J];南昌大學學報(工科版);2002年01期

相關博士學位論文 前1條

1 馬常霞;基于圖像分析的路面裂縫檢測的關鍵技術研究[D];南京理工大學;2012年

相關碩士學位論文 前1條

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

本文編號：2695317