路面裂縫的檢測與分析研究對于工程項目評估及公路養(yǎng)護管理有著非常重大的意義,傳統(tǒng)的檢測與分析是通過人工實地檢測完成的,存在耗時長、效率低、危險性高、客觀性不足等問題。因此,探索新的方便可靠的路面裂縫檢測與分析方法是很有意義的。本文針對路面裂縫圖像的特點,采用數字圖像處理與分析的方法,對路面裂縫圖像處理與分析的關鍵技術:路面裂縫的預處理、裂縫提取、特征提取和批量檢測分析進行深入地探討。主要研究內容包括以下幾個方面:1、路面裂縫的預處理:路面裂縫檢測系統(tǒng)中CCD攝像頭采集到的大多是彩色圖像,檢測算法適用于灰度圖像,對采集的圖像進行彩色圖像灰度變換;在獲取路面裂縫圖像時,由于受到相機和外部的干擾,致使圖像中夾雜著陰影、顆粒等噪聲,要進行去陰影去噪處理,采用的是測地線陰影去除算法,對裂縫圖像進行形態(tài)學處理、濾波去噪以及光照補償,較好地去除路面圖像中陰影的干擾;對去陰影后的圖像,采用本文設置的前向濾波器以及后向濾波器對線狀裂縫目標進行多方向增強,突出線狀目標抑制其它噪聲干擾。2、路面裂縫的提取:在預處理后的裂縫圖像上,采用大津閾值處理的結果作為水平集演化的初始位置,充分利用路面裂縫的線狀特點,根據... 

【文章來源】：福州大學福建省 211工程院校

【文章頁數】：79 頁

【學位級別】：碩士

【部分圖文】：

路面裂縫自動檢測系統(tǒng)原理圖

ＲＧＢ色彩空間可以用笛卡爾坐標系進行描述，三個坐標軸Ｘ軸、Ｙ軸、Ｚ軸??分別可以表示Ｒ、Ｇ、Ｂ三種顏色，紅色為（１，０，?０）、綠色為（０，１，０）、藍色為（０，０，１），??ＲＧＢ色彩空間就可以表示為如圖２－２的立方體。??（０，０，１１?＾吉???，?Ｇ??ａ??１／??黃??圖２－２?ＲＧＢ彩色立方體示意圖??在圖２－２中，ＲＧＢ彩色立方體中，原點即黑色表示為（０，０，０），白色表示為（１，１，１），??品紅表示為（１，０，１），黃色表示為（１，１，０），青色表示為（０，１，１），顏色坐標的值越大顏色??越亮。圖像Ｉ中一個像素點〇ｃ，＿）；）的值可以由ＲＧＢ組成的分量組成，如公式（２－１）所示。??Ｉ（ｘ，?ｙ）?＝?［Ｒ（ｘ，?ｙ），?Ｇ（ｘ，?ｙ），?Ｂ（ｘ，?ｊ＾）］?（２－１）??ＲＧＢ色彩空間是基于加色混色原理，隨著顯示設備的不同所使用的ＲＧＢ三原色??也沒有統(tǒng)一的標準

＝?Ｍｅｄ｛ｆ（ｓ，ｔ）｝，（ｓ，ｔ）?ｅ?Ｓｘｙ?（２－７）??常用的改進的掩模窗口如圖２－３所示。??？?？？？？？？?？?？?？?？？?？?？??？?？？？？？？?？?？?？；？：？?？?？?？／？、：？：，？??？?？？曼?＿色．參?？?？?？：？：？?？？?？?？??？?？?？?？?？；？：？?？?？??？?？？？？？？?？?？?？：？：？?？?？??？?？？？？？？?？?？?？＂＜§＇？?？？?？?Ｖ?￥?？??⑷?（ｂ）?（ｃ）??圖２－３常用的改進的掩模窗口??３、低通濾波算法??經傅里葉變換后，低頻部分主要表示圖像的平滑區(qū)域以及背景區(qū)域，高頻部分主??要表示圖像細節(jié)區(qū)域如邊緣、噪聲等，用低通濾波算法可以濾除存在的高頻分量如噪??聲，達到圖像平滑的效果。２Ｄ理想低通濾波器的傳遞函數如公式（２－８）所示。??＼?ｌ，Ｄ（ｗ，ｖ）?＜?Ｄ０??＾ｖ）＝?；?；?°?（２－８）??［０，￡）（？，?ｖ）?＞?Ｄ０??其中Ａ）是截止頻率，Ｄ（ｗ，ｖ）是從頻域的原點到（Ｗ，Ｖ）點的距離，Ｄ（ｕ，ｖ）?＝?ｙｌｕ２?＋Ｖ２。??在半徑為Ａ的圓內

【參考文獻】：
期刊論文
[1]Color Image Segmentation Using Feedforward Neural Networks with FCM[J]. S.Arumugadevi,V.Seenivasagam.  International Journal of Automation and Computing. 2016(05)
[2]基于多特征流形學習和矩陣分解的路面裂縫檢測[J]. 錢彬,唐振民,沈肖波,郭劍輝,呂建勇.  儀器儀表學報. 2016(07)
[3]基于分數階微分、水平集及分水嶺的鉛鋅浮選圖像分割[J]. 王衛(wèi)星,白明輝.  四川大學學報(工程科學版). 2016(04)
[4]基于Hessian矩陣多尺度濾波的路面裂縫圖像檢測方法[J]. 王軍,孫慧婷,姜志,何昕.  計算機應用. 2016(S1)
[5]連續(xù)梁結構損傷識別的小波神經網絡方法研究[J]. 管德清,廖俊文.  中外公路. 2016(01)
[6]基于差分計盒維數及最大熵閾值的裂縫提取[J]. 劉晟,王衛(wèi)星,曹霆,楊楠,楊洋.  長安大學學報(自然科學版). 2015(05)
[7]基于FCM聚類算法的MRI腦組織圖像分割方法比較研究[J]. 王新寧,林相波,袁珍.  北京生物醫(yī)學工程. 2015(03)
[8]結合閉合解摳圖及最小生成樹的圖論分割算法[J]. 王衛(wèi)星,石紅玉.  哈爾濱工業(yè)大學學報. 2014(09)
[9]基于各向異性測度的路面三維圖像裂縫識別[J]. 彭博,WANG Kelvin C.P.,陳成,蔣陽升.  西南交通大學學報. 2014(05)
[10]用Mean Shift實現路面裂縫損傷自動識別與特征測量[J]. 曹建農,張昆,元晨,許素素.  計算機輔助設計與圖形學學報. 2014(09)

博士論文
[1]激光水下成像的圖像復原及超分辨率重建算法研究[D]. 諶雨章.華中科技大學 2012
[2]基于圖像分析的路面裂縫檢測的關鍵技術研究[D]. 馬常霞.南京理工大學 2012

碩士論文
[1]基于線陣相機的車載式路面破損自動檢測系統(tǒng)的研究與開發(fā)[D]. 趙運德.長安大學 2016
[2]基于路面檢測車圖像的裂縫提取方法研究[D]. 任帥.重慶交通大學 2015
[3]基于圖割和水平集的腎磁共振圖像分割方法研究[D]. 高瑩.大連海事大學 2014
[4]基于數學形態(tài)學的醫(yī)學噪聲圖像邊緣檢測算法[D]. 張興源.東北石油大學 2014
[5]基于分數階微積分的路面裂縫檢測研究[D]. 吳林春.福州大學 2014
[6]基于數字圖像處理的混凝土橋梁底面裂縫的檢測[D]. 劉小燕.武漢理工大學 2014
[7]路面裂縫圖像檢測算法研究[D]. 朱平哲.河南科技大學 2012
[8]路面裂縫檢測算法研究[D]. 王龍云.南京郵電大學 2012
[9]基于圖像處理的傳送皮帶裂紋檢測[D]. 衛(wèi)霞.太原理工大學 2011
[10]路面典型裂縫提取算法研究[D]. 胡豆豆.華中科技大學 2011



本文編號：3388071