融合流形特征的路面破損圖像識(shí)別方法.pdf

1、隨著計(jì)算機(jī)、數(shù)字圖像技術(shù)的飛速發(fā)展，基于數(shù)字圖像的路面破損圖像自動(dòng)識(shí)別技術(shù)被廣泛應(yīng)用在路面的修護(hù)工作中，并取得了較好的效果。但是該方法仍然存在一些技術(shù)難點(diǎn)需要解決，例如圖像去噪效果不理想、圖像裂縫特征增強(qiáng)效果不明顯、常見的破損密度因子或坐標(biāo)軸投影等底層視覺特征不能有效區(qū)分裂縫等問題。為了解決上述問題，本文將字典學(xué)習(xí)技術(shù)應(yīng)用到圖像去除噪聲和增強(qiáng)裂縫特征中，并利用流形學(xué)習(xí)算法對高維路面圖像數(shù)據(jù)進(jìn)行維數(shù)約簡，提取低維流形特征，優(yōu)化路面裂縫的特

2、征。本文的研究內(nèi)容及創(chuàng)新點(diǎn)如下：
　　(1)分析比較了KLLD算法、中值濾波算法和直方圖均衡化算法對破損圖像的去噪效果，實(shí)驗(yàn)結(jié)果表明KLLD算法的去噪效果優(yōu)于中值濾波和直方圖均衡化算法。
　　(2)在KLLD的基礎(chǔ)上提出了一種自適應(yīng)的路面破損圖像去噪增強(qiáng)算法。該方法首先估計(jì)路面灰度圖像的噪聲，若圖像噪聲大于給定的閾值，則利用KLLD算法對圖像進(jìn)行去噪處理。然后估計(jì)圖像裂縫的特征強(qiáng)度，若裂縫特征估計(jì)值小于給定閾值，則進(jìn)一步用K

3、LLD算法對去噪后的圖像進(jìn)行增強(qiáng)處理。實(shí)驗(yàn)結(jié)果表明自適應(yīng)的路面破損圖像增強(qiáng)算法能夠良好地去除圖像噪聲、并增強(qiáng)裂縫特征。
　　(3)提出了一種融合流形特征的路面破損識(shí)別方法。該方法首先利用Laplacian Eigenmaps算法提取高維路面圖像的2維流形特征，然后將流形特征與破損密度因子或坐標(biāo)投影等底層視覺特征融合，利用融合后的特征識(shí)別裂縫類別。在實(shí)驗(yàn)中比較了KNN、SVM、ELM和BP神經(jīng)網(wǎng)絡(luò)在流形特征、破損密度因子、坐標(biāo)投影和