中國是橋梁大國,四通八達(dá)的橋梁給人民的工作和生活帶來便利的同時(shí),也隱藏著很多看不見的危險(xiǎn),這些隱患一旦爆發(fā),將給人民的生命財(cái)產(chǎn)安全帶來不可估量的損失。首先,各個(gè)建設(shè)隊(duì)伍的技術(shù)和管理水平參差不齊,施工材料和施工技術(shù)的質(zhì)量無法保證,使得一些橋梁工程或多或少地存在一些病害。其次,橋梁的一些不合理使用,例如超重、超載、超速,加速了橋梁的病害的產(chǎn)生,或者加重了橋梁的病害程度。最后,早期建設(shè)的一些橋梁其荷載標(biāo)準(zhǔn)較低,在當(dāng)今的交通狀況下,還面臨著嚴(yán)峻的考驗(yàn)。那么,對現(xiàn)役的橋梁進(jìn)行檢測、預(yù)測與評價(jià)是橋梁安全運(yùn)營管理的重要挑戰(zhàn)。要實(shí)現(xiàn)科學(xué)有效的橋梁維護(hù),科學(xué)合理的橋梁結(jié)構(gòu)缺陷檢測方法和評估方法就顯得十分必要。目前橋梁檢測的方法主要有人工觀測的方法、無損檢測方法。人工檢測方法通常需要維護(hù)人員利用專門的工具車輛定期的人工目測橋梁底部損傷,檢測精度低、效率低、勞動強(qiáng)度大、主觀性強(qiáng)。鑒于此,我們需要一種全自動的自適應(yīng)的橋梁裂縫檢測方法。針對以上情況,本文從以下兩方面展開了工作。(1)、首先分析橋梁裂縫的特點(diǎn),橋梁裂縫形態(tài)多種多樣,噪聲無處不在,光照不均勻,且所含裂縫的像素比例較小。然后,針對裂縫形態(tài)的多樣性,提取不同尺度和方向的多種特征,這些特征相對來說肯定比較多,需要進(jìn)行顯著性特征提取,針對噪聲和光照不均勻等問題,將圖像變換到頻率域,過濾掉部分噪聲,針對所含裂縫的像素比例較小的問題,對圖像提取興趣區(qū)域,最后,使用簡化的脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)進(jìn)行裂縫檢測,并用實(shí)驗(yàn)進(jìn)行驗(yàn)證,經(jīng)驗(yàn)證,本文提出的基于興趣區(qū)域的橋梁裂縫檢測方法具有較高的準(zhǔn)確率(91.97%),較高的效率(處理時(shí)間5.82s/每幅圖像),具有很強(qiáng)的現(xiàn)實(shí)意義。(2)、基于不同的橋梁病害導(dǎo)致不同的橋梁裂縫的猜想,本文結(jié)合自學(xué)習(xí)和稀疏編碼,提出了一種基于遷移自學(xué)習(xí)的橋梁裂縫圖像快速分類方法TSLBCC(Transfer Self-Learning Bridge Crack Classification),算法的測試復(fù)雜度為O(n)、訓(xùn)練復(fù)雜度為常數(shù)。首先,采用改進(jìn)的主元素分析法和白化方法對高分辨率和高相關(guān)的橋梁裂縫圖像進(jìn)行降維,實(shí)現(xiàn)加速收斂;其次,提取訓(xùn)練集的尺度不變特征,然后用改進(jìn)的稀疏編碼進(jìn)行表示,得到特征字典;最后,對測試數(shù)據(jù)集進(jìn)行訓(xùn)練,得到用特征字典表示的特征,然后進(jìn)行最大空間金字塔池化,池化后的數(shù)據(jù)輸入到線性多分類支持向量機(jī)進(jìn)行分類。它不但可以檢測出橋梁圖像中是否存在裂縫,而且能夠進(jìn)一步確定裂縫的類型,評價(jià)橋梁裂縫的結(jié)構(gòu)特性和橋梁的承載能力。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)方法相比,算法具有更高的分類準(zhǔn)確率和更低的計(jì)算復(fù)雜度。
【學(xué)位單位】：陜西師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP181;U446
【部分圖文】：

（ａ）寶成鐵路石亭江大橋垮塌?（ｂ）連霍高速義昌大橋垮塌??圖１－１．大橋垮塌事故現(xiàn)場照片??橋梁必須進(jìn)行科學(xué)有效地維護(hù)，那么，一種科學(xué)合理的橋梁病害檢查和評估??方法就十分必要了。目前橋梁檢測的方法主要有人工觀測的方法、無損檢測方法［５］。??人工檢測方法通常需要維護(hù)人員利用專門的工具車輛定期的人工目測橋梁底部損??傷，檢測精度低、效率低、勞動強(qiáng)度大、主觀性強(qiáng)，如圖ｌ－２（ａ）所示。計(jì)算機(jī)視覺??檢測方法是一種非接觸的無損測量方式，己經(jīng)成為了國內(nèi)外現(xiàn)代橋梁缺陷檢測的??主流方式和研宄熱點(diǎn)［６］。由于無人機(jī)能夠在危險(xiǎn)與惡劣環(huán)境中執(zhí)行偵察任務(wù)，具有??特殊的信息采集優(yōu)勢，因此可以代替檢測人員實(shí)行橋梁底部缺陷的非接觸實(shí)時(shí)視??覺測量和檢測，如圖ｌ－２（ｂ）所示。??（ａ）采用支架的人工檢測方法?（ｂ）基于無人機(jī)的非接觸檢測方法??圖１－２．橋梁檢測照片??１．２國內(nèi)外研究現(xiàn)狀??１．２．１橋梁裂縫檢測研究現(xiàn)狀??近幾年，為了高效、快速的檢測出橋梁裂縫，國內(nèi)外大量學(xué)者針對裂

覺測量和檢測，如圖ｌ－２（ｂ）所示。??（ａ）采用支架的人工檢測方法?（ｂ）基于無人機(jī)的非接觸檢測方法??圖１－２．橋梁檢測照片??１．２國內(nèi)外研究現(xiàn)狀??１．２．１橋梁裂縫檢測研究現(xiàn)狀??近幾年，為了高效、快速的檢測出橋梁裂縫，國內(nèi)外大量學(xué)者針對裂縫的智??２??

經(jīng)而引起的刺激，該種形式的刺激在哺乳動物中很普遍，其形式相當(dāng)復(fù)雜［６５］－ｐｃｎｎ??就是由這兩種刺激組成的，這樣，脈沖耦合神經(jīng)元模型就基本確定了，其簡化模??型如圖２－１。圖中，Ｆ表示反饋輸入，即強(qiáng)制性激發(fā)或者外部輸入，Ｌ表示鏈接輸??入，即誘導(dǎo)性刺激或內(nèi)部輸入，五表示動態(tài)門限閾值，？７表示內(nèi)部活動項(xiàng)閾值，；ｒ??表示時(shí)序脈沖序列。??＇?Ｌ???Ｅ?Ｍ???Ｙ?？；?Ｗ?＼?？?１?＋?Ｊ３Ｌ??輸入?yún)^(qū)?連接輸入?yún)^(qū)?麻砰發(fā)玉＾??圖２－１脈沖耦合神經(jīng)元模型??動態(tài)門限五的動態(tài)閾值特性是ＰＣＮＮ發(fā)生周期性點(diǎn)火的根本原因，隨著時(shí)間??的變化，動態(tài)門限會發(fā)生指數(shù)衰減，當(dāng)內(nèi)部活動項(xiàng)閾值ｔ／大于動態(tài)門限閾值￡時(shí)，??發(fā)生點(diǎn)火，｝＾輸出１。??鏈接輸入Ｉ和反饋輸入Ｆ之間的非線性調(diào)制，模擬了神經(jīng)元之間的相互作用。??中心祌經(jīng)元發(fā)生點(diǎn)火后，會使得周圍相似的神經(jīng)元同樣發(fā)生點(diǎn)火動作，這是ＰＣＮＮ??的同步脈沖發(fā)放特性和捕獲特性。因?yàn)楦鱾�(gè)神經(jīng)元的點(diǎn)火周期不一樣，各個(gè)神經(jīng)??元按照各自的周期發(fā)放脈沖
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁曉宇;李映濤;葉寧;張哨楠;;基于頻譜分解的螞蟻?zhàn)粉櫫芽p檢測技術(shù)在玉北地區(qū)的應(yīng)用研究[J];石油地球物理勘探;2015年04期

2 周東國;高潮;郭永彩;;一種參數(shù)自適應(yīng)的簡化PCNN圖像分割方法[J];自動化學(xué)報(bào);2014年06期

3 張開洪;羅林;顏禹;;基于立體視覺的橋梁裂縫自動檢測系統(tǒng)研究[J];重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年05期

4 魏武;王俊杰;蔡釗雄;;基于小波和Radon變換的橋梁裂縫檢測[J];計(jì)算機(jī)工程與設(shè)計(jì);2013年09期

5 董安國;梁苗苗;;基于灰度相關(guān)性的裂縫檢測算法[J];計(jì)算機(jī)應(yīng)用研究;2013年10期

6 王曉明;馮鑫;黨建武;;基于多圖像與多分辨率的路面裂縫檢測方法[J];蘭州理工大學(xué)學(xué)報(bào);2013年01期

7 徐威;唐振民;呂建勇;;基于圖像顯著性的路面裂縫檢測[J];中國圖象圖形學(xué)報(bào);2013年01期

8 辛國江;鄒北驥;李建鋒;陳再良;蔡美玲;;結(jié)合最大方差比準(zhǔn)則和PCNN模型的圖像分割[J];中國圖象圖形學(xué)報(bào);2011年07期

9 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(jì)算機(jī)應(yīng)用;2010年06期

10 畢英偉,邱天爽;一種基于簡化PCNN的自適應(yīng)圖像分割方法[J];電子學(xué)報(bào);2005年04期

本文編號：2880871