本文選題：圖像預(yù)處理 + 圖像分割　； 參考：《大連海事大學(xué)》2017年碩士論文

【摘要】：伴隨著公路的使用,很多早期的公路出現(xiàn)了破損、彎沉等問(wèn)題,嚴(yán)重影響了公路的運(yùn)載能力、行車安全和使用年限。在檢測(cè)中,通過(guò)公路的各種定量指標(biāo)來(lái)估量其預(yù)期工作年限與維護(hù)工作量,其中路面裂縫的估量是最重要的指標(biāo)。伴隨著計(jì)算機(jī)技術(shù)的高度發(fā)展及圖像處理技術(shù)水平的迅速提升,基于圖像處理的路面病害自動(dòng)檢測(cè)技術(shù)被提出來(lái)應(yīng)用到實(shí)際中。在實(shí)際路面裂縫檢測(cè)中,裂縫本身方向性比較復(fù)雜,另外路面會(huì)有油污、障礙物及陰影等,這樣會(huì)導(dǎo)致圖像噪聲比較嚴(yán)重,因此實(shí)現(xiàn)有效的檢測(cè)算法是路面裂縫圖像檢測(cè)中的難點(diǎn)。目前的圖像處理算法對(duì)于裂縫圖像的處理效果還不能完全滿足實(shí)際需求,尤其對(duì)裂縫的檢測(cè)有待完善。本文對(duì)路面裂縫圖像預(yù)處理、裂縫圖像分割和裂縫識(shí)別分類進(jìn)行了研究。(1)路面裂縫圖像預(yù)處理。根據(jù)路面裂縫圖像的特征,提出了一種改進(jìn)的中值濾波算法和一種基于區(qū)域?qū)Ρ榷鹊脑鰪?qiáng)算法,對(duì)路面裂縫圖像進(jìn)行處理。對(duì)比常用的去噪增強(qiáng)算法實(shí)驗(yàn)結(jié)果,本文算法很好地消除了噪聲,增強(qiáng)了裂縫區(qū)域,提高了圖像的質(zhì)量。(2)路面裂縫圖像分割處理。采用了一種基于子塊的圖像差分方法,對(duì)路面裂縫圖像進(jìn)行相位移動(dòng)后再極值平滑得到背景差分圖像,得到的裂縫邊緣清晰,連續(xù)性較好。之后根據(jù)裂縫的線性特征,采用連通域的幾何特征對(duì)油污等具有一定紋理特征的噪聲進(jìn)一步去除。(3)裂縫識(shí)別分類。裂縫的投影特征和像素個(gè)數(shù)有區(qū)別,根據(jù)這個(gè)特點(diǎn)對(duì)裂縫圖像進(jìn)行特征提取,然后采用BP神經(jīng)網(wǎng)絡(luò)對(duì)裂縫圖像進(jìn)行分類,設(shè)計(jì)不同隱含層個(gè)數(shù)的網(wǎng)絡(luò)進(jìn)行訓(xùn)練,選擇正確率高的網(wǎng)絡(luò)進(jìn)行分類。最后對(duì)裂縫骨架化,計(jì)算裂縫的參數(shù),進(jìn)行路面損壞狀況指數(shù)PCI計(jì)算,判斷路面損壞程度。
[Abstract]:Along with the use of highway, many of the early highway appeared damage, deflection and other problems, which seriously affected the transport capacity of the highway, driving safety and service life. In the detection, the expected working life and maintenance workload are estimated by various quantitative indexes of highway, among which, the estimation of pavement cracks is the most important index. With the development of computer technology and the rapid improvement of image processing technology, the automatic detection technology of road surface diseases based on image processing has been put forward and applied to practice. In the actual pavement crack detection, the orientation of the crack itself is quite complex, in addition, the road surface will have oil stains, obstacles and shadows, which will lead to serious image noise. Therefore, effective detection algorithm is a difficult problem in pavement crack image detection. The current image processing algorithm for crack image processing effect can not fully meet the actual needs, especially for crack detection needs to be improved. In this paper, the preprocessing of pavement crack image, crack image segmentation and crack recognition classification are studied. According to the characteristics of pavement crack image, an improved median filter algorithm and an enhancement algorithm based on regional contrast are proposed to process the pavement crack image. Compared with the experimental results of the commonly used denoising enhancement algorithm, the proposed algorithm can eliminate noise, enhance the crack area and improve the image quality of pavement crack image segmentation. A subblock based image differential method is used to obtain the background differential image by phase shifting and extreme value smoothing. The crack edge is clear and the continuity is good. Then according to the linear characteristics of cracks, the geometric features of connected regions are used to remove the noises with certain texture features such as oil pollution and so on. The projection feature and pixel number of cracks are different. According to this feature, the feature extraction of crack image is carried out, and then BP neural network is used to classify the crack image, and the network with different number of hidden layers is designed for training. The networks with high accuracy are selected for classification. Finally, the crack skeleton is used to calculate the crack parameters, and the pavement damage index (PCI) is calculated to judge the pavement damage degree.
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：U418.6;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 丁航;;新一代智能交通系統(tǒng)的技術(shù)特點(diǎn)和發(fā)展建議[J];工程技術(shù)研究;2016年06期

2 王立東;;高速公路養(yǎng)護(hù)成本問(wèn)題分析及對(duì)策[J];交通世界;2016年25期

3 彭文;;淺析高速公路養(yǎng)護(hù)管理發(fā)展[J];建材與裝飾;2016年36期

4 鄭芝恒;;基于可持續(xù)發(fā)展理論下公路建設(shè)存在的問(wèn)題研究[J];公路交通科技(應(yīng)用技術(shù)版);2016年08期

5 林楠;張志文;黃珊珊;;提高新型綜合道路檢測(cè)車性能的技術(shù)研究[J];公路交通科技(應(yīng)用技術(shù)版);2016年06期

6 徐德謙;張波;謝博識(shí);;“十三五”路向何方——2016年全國(guó)公路局長(zhǎng)座談會(huì)、全國(guó)高速公路養(yǎng)護(hù)管理座談會(huì)側(cè)記[J];中國(guó)公路;2016年09期

7 Kumar Avinash;P.John Kurian;Anish Kumar Warrier;R.Shankar;T.C.Vineesh;Rasik Ravindra;;Sedimentary sources and processes in the eastern Arabian Sea:Insights from environmental magnetism,geochemistry and clay mineralogy[J];Geoscience Frontiers;2016年02期

8 金艷云;;高速公路養(yǎng)護(hù)管理存在的問(wèn)題及對(duì)策[J];交通世界;2016年01期

9 王宏俊;;基于公路路面裂縫的分析與防治措施[J];科技創(chuàng)新與應(yīng)用;2015年13期

10 田培軍;葉敬;;公路橋梁養(yǎng)護(hù)管理研究[J];中國(guó)高新技術(shù)企業(yè);2015年01期

相關(guān)博士學(xué)位論文 前2條

1 孫波成;基于數(shù)字圖像處理的瀝青路面裂縫識(shí)別技術(shù)研究[D];西南交通大學(xué);2015年

2 張玲;基于模糊理論及其擴(kuò)展的圖像分割研究及應(yīng)用[D];山東大學(xué);2012年

相關(guān)碩士學(xué)位論文 前9條

1 李圓圓;瀝青路面技術(shù)狀況評(píng)價(jià)與分析[D];山東大學(xué);2014年

2 曹佳煜;基于圖像處理的路面裂縫自動(dòng)檢測(cè)技術(shù)研究[D];長(zhǎng)安大學(xué);2014年

3 郝曉靜;路面裂縫自動(dòng)檢測(cè)系統(tǒng)研究[D];長(zhǎng)安大學(xué);2013年

4 易春菊;基于圖像處理的路面裂紋檢測(cè)技術(shù)研究[D];武漢理工大學(xué);2013年

5 王澍;復(fù)雜背景下路面裂縫圖像自動(dòng)檢測(cè)與識(shí)別算法研究[D];武漢工程大學(xué);2013年

6 趙珊;路面車轍檢測(cè)系統(tǒng)中結(jié)構(gòu)光三維測(cè)量技術(shù)的研究[D];南京理工大學(xué);2013年

7 李倩;基于圖像處理的路面裂縫識(shí)別研究[D];東北大學(xué);2011年

8 孟喬;瀝青路面裂紋檢測(cè)算法研究[D];長(zhǎng)安大學(xué);2010年

9 劉德超;基于圖像處理的路面裂紋識(shí)別研究[D];長(zhǎng)沙理工大學(xué);2009年

，

本文編號(hào)：1977205