發(fā)布時間：2024-02-22 13:21

　　我國城市軌道交通快速發(fā)展的同時,地鐵隧道基礎(chǔ)設(shè)施的安全檢測,急需自動化、智能化的理論與技術(shù)研發(fā)。地鐵隧道襯砌環(huán)境惡劣,存在大量噪聲和光照不勻等現(xiàn)象,紋理特征復(fù)雜,傳統(tǒng)的人工和圖像檢測識別方法已逐步被更加智能有效的深度學(xué)習(xí)算法所替代。因此本文提出了一種結(jié)合圖像處理和深度卷積網(wǎng)絡(luò)的地鐵隧道襯砌圖像識別檢測算法,建立了地鐵隧道病害目標(biāo)圖像樣本庫,其能夠快速準(zhǔn)確的區(qū)分裂縫圖像與非裂縫圖像,并能實現(xiàn)復(fù)雜圖像中目標(biāo)智能搜索和類別標(biāo)注。本文構(gòu)建了包含圖像預(yù)處理算法、基于連通區(qū)域的圖像多級特征分析算法、特征紋理連通域外接矩形提取的像素級淺層圖像處理理論模型,能較大程度地濾除背景噪點,劃分裂縫區(qū)域檢測對象,并構(gòu)造了四種初步分類的裂縫圖像樣本庫。結(jié)合圖像處理和深度卷積神經(jīng)網(wǎng)絡(luò)的分類識別算法,利用改進(jìn)的Alexnet深度卷積網(wǎng)絡(luò)對該樣本庫中不同區(qū)域進(jìn)行特征分析和提取,以實現(xiàn)裂縫圖像與非裂縫圖像的分類檢測。并與SVM等傳統(tǒng)分類識別算法進(jìn)行了詳細(xì)對比分析。為實現(xiàn)更加精準(zhǔn)的病害智能檢測,本文設(shè)計了一種基于深度卷積網(wǎng)絡(luò)的目標(biāo)檢測算法,無需任何像素處理操作,并構(gòu)造了地鐵隧道襯砌圖像目標(biāo)標(biāo)注數(shù)據(jù)庫。利用改進(jìn)的SSD全卷...

【文章頁數(shù)】：93 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－７基于種子點擴(kuò)散的裂縫提取算法［３５１??Ｆｉｇ．?１－７?Ｔｈｅ?ｃｒａｃｋ?ｅｘｔｒａｃｔｉｏｎ?ａｌｏｒｉｔｈｍ?ｂａｓｅｄ?ｏｎ?ｓｅｅｄｏｉｎｔ?ｄｉｆｆｕｓｉｏｎ?＾??

Ｐｉ＾ｐＨ??ａ?｜??圖１－６隧道裂縫識別結(jié)果［３２］??Ｆｉｇ．?１－６?Ｔｕｎｎｅｌ?ｃｒａｃｋ?ｉｄｅｎｔｉｆｉｃａｔｉｏｎ?ｒｅｓｕｌｔ１３２１??張碩、張尤賽等［３５］提出了一種基于種子點擴(kuò)散的半自動隧道裂縫提取方法，??用戶可在裂縫上自主選取起始種子點，從而實現(xiàn)裂縫....

圖２－２地鐵隧道襯砌表面圖像??Ｆｉｇ．?２－２?Ｓｕｂｗａｙ?ｔｕｎｎｅｌ?ｌｉｎｉｎｇ?ｓｕｒｆａｃｅ?ｉｍａｇｅｓ??

２．２地鐵隧道襯砌圖像檢測算法??２．２．１基于地鐵隧道圖像像素處理的算法研究??如圖２－２所示，地鐵隧道襯砌圖像采集系統(tǒng)直接采集獲取的隧道圖像由于光照??不均、襯砌紋理、材料等各種原因存在大量的噪聲和干擾物，因此從復(fù)雜的背景??圖像中，直接進(jìn)行地鐵隧道圖像的裂縫高精度識別難度較....

圖３－２圖像預(yù)處理實驗結(jié)果??Ｆｉｇ．?３－２?Ｔｈｅ?ｒｅｓｕｌｔ?ｏｆ?ｉｍａｇｅ?ｐｒｅｔｒｅａｔｍｅｎｔ??ｌ－ｉ?ｒ－ｉ?ｌ－＼??／＾＝Ｚ?＾?＝??

（ａ）原始隧道圖像?（ｂ）對比度拉伸后圖像??（ａ）?Ｔｈｅ?ｏｒｉｇｉｎａｌ?ｔｕｎｎｅｌ?ｉｍａｇｅ?（ｂ）?Ｔｈｅ?ｃｏｎｔｒａｓｔ?ｓｔｒｅｔｃｈｅｄ?ｉｍａｇｅ??圖３－１對比度拉伸實驗結(jié)果??Ｆｉｇ．?３－１?Ｔｈｅ?ｒｅｓｕｌｔ?ｏｆ?ｃｏｎｔｒａｓｔ?ｓｔｒｅｔｃ....

圖４－２?ＳＳＤ全卷積網(wǎng)絡(luò)結(jié)構(gòu)示意圖??Ｆｉｇ．?４－２?Ｔｈｅ?ｓｔｒｕｃｔｕｒｅ?ｄｉａｇｒａｍ?ｏｆ?ＳＳＤ?ｆｕｌｌ?ｃｏｎｖｏｌｕｔｉｏｎ?ｎｅｔｗｏｒｋ??

綜合考慮地鐵隧道的圖像特征和目標(biāo)撿測算法的優(yōu)劣性，本算法在Ｐｙｔｏｒｃｈ深??度學(xué)習(xí)框架下構(gòu)造了?ＳＳＤ?（ｓｉｎｇｌｅ?ｓｈｏｔ?ｍｕｌｔｉｂｏｘ?ｄｅｔｅｃｔｏｒ）深度卷積網(wǎng)絡(luò)來進(jìn)行地鐵??隧道復(fù)雜圖像的目標(biāo)檢測，ＳＳＤ算法全卷積網(wǎng)絡(luò)結(jié)構(gòu)如圖４－２所示。??３５??

本文編號：3906812