基于數(shù)字圖像處理的路面損害檢測和評(píng)價(jià)方法研究.pdf

1、通過對(duì)道路損害進(jìn)行自動(dòng)檢測和評(píng)估是計(jì)算機(jī)視覺研究領(lǐng)域的一個(gè)熱點(diǎn),因?yàn)樗梢杂行У靥岣叩缆返墓芾砗途S護(hù),從而導(dǎo)致經(jīng)濟(jì)利益,但是由于各種道路的材質(zhì)、顏色、紋理各不相同,對(duì)于最后評(píng)估的結(jié)果影響特別大。目前國內(nèi)進(jìn)行道路損害評(píng)估的方法絕大多是是通過人瀏覽每一幅道路圖片,在圖片中大致標(biāo)出損害的范圍區(qū)域和損害程度,最后通過一些統(tǒng)計(jì)的方法得到該路段的一個(gè)綜合評(píng)價(jià),用來判斷該路段是否需要整修。雖然路面損害邊緣檢測的方法對(duì)于光照、紋理等還是相對(duì)敏感,但比圖

2、像分割方法受到的影響要小得多,如果對(duì)于原圖像進(jìn)行多次濾波處理,能有效地增強(qiáng)路面損害提高自動(dòng)評(píng)估的精度。本文在傳統(tǒng)的道路損害的基礎(chǔ)上提出了四叉樹分裂和合并的圖像處理的方法,并對(duì)不同類型的損害類型進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,該算法不僅僅能應(yīng)用于裂縫類的路面損害,同樣能應(yīng)用于龜裂或塊裂類的路面損害,并且評(píng)估的精度相對(duì)較高。
　　 從原始灰度圖像和經(jīng)過四叉樹分裂和合并的圖像處理后的二值圖中提取特征,組成一個(gè)51維的向量,使用SVM進(jìn)行分類