基于圖像分割的道路裂紋檢測(cè)算法研究.pdf

1、路面裂紋反應(yīng)了公路路面質(zhì)量的好壞，直接影響著行車安全和公路的使用壽命。及早的檢測(cè)出路面裂紋并及時(shí)維護(hù)，可以有效的避免裂紋的進(jìn)一步惡化。因此，研究道路裂紋的檢測(cè)算法對(duì)保障公路路面承載能力、提高車輛的行駛平順性等具有重要的意義。道路裂紋圖像存在噪聲多、拓?fù)浣Y(jié)構(gòu)復(fù)雜的特點(diǎn)，探索出能準(zhǔn)確分割裂紋區(qū)域的算法，具有一定挑戰(zhàn)性。
　　首先，本文根據(jù)道路裂紋的邊緣包含了豐富的局部結(jié)構(gòu)形式的特點(diǎn)，提出一種基于梯度提升決策樹的道路裂紋檢測(cè)算法，以固定

2、大小的圖像塊作為訓(xùn)練樣本，提取特征，并降維作為輸入特征向量，同時(shí)將對(duì)應(yīng)人工標(biāo)注的實(shí)際邊緣映射為分?jǐn)?shù)，作為樣本標(biāo)簽，采用梯度提升決策樹的學(xué)習(xí)方法訓(xùn)練模型，將廣泛種類的裂紋邊緣存儲(chǔ)到每棵樹的結(jié)點(diǎn)上。待檢測(cè)時(shí)，將訓(xùn)練得到的模型獨(dú)立的計(jì)算圖像中每個(gè)像素是裂紋的可能性，然后組合為全局推理，去除噪聲點(diǎn)，即可完成道路裂紋的檢測(cè)結(jié)果。
　　然后，本文將全卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法引入到道路裂紋的檢測(cè)中，使用卷積神經(jīng)網(wǎng)絡(luò)提取圖像的深層抽象特征，并進(jìn)