基于圖像分析的路面裂縫檢測方法與識別研究.pdf

1、路面裂縫檢測是公路路面質(zhì)量管理的重要組成部分，隨著自動化檢測程度的不斷提高，基于圖像分析的路面裂縫檢測與識別方法成為路面檢測技術(shù)的發(fā)展趨勢。通常情況下，路面裂縫容易受到噪聲和各種路況的干擾，使裂縫檢測較為困難。本文在分析總結(jié)了一些學者的研究成果的基礎(chǔ)上，從實用角度出發(fā)，研究了路面裂縫檢測與識別分析關(guān)鍵的實用技術(shù)，主要研究內(nèi)容如下：
　　研究了路面裂縫圖像增強技術(shù)，將改進中值濾波和小波閾值濾波方法聯(lián)合起來對裂縫圖像進行混合去噪，取得

2、了一定的去噪效果；特別地，針對路面裂縫圖像受到光照不均勻的影響，針對傳統(tǒng)同態(tài)濾波方法抑制不足，應用基于小波變換的方法抑制裂縫圖像光照不均勻，并與同態(tài)濾波方法進行了對比實驗。
　　研究了裂縫目標提取方法，研究了傳統(tǒng)圖像分割方法諸如邊緣檢測算子、閾值分割算法在裂縫圖像分割中的應用效果；研究將多結(jié)構(gòu)元素抗噪型形態(tài)學邊緣檢測算子應用到路面裂縫目標提取中，并進一步研究了以O(shè)TSU結(jié)果為基礎(chǔ)、提取局部灰度特征、相異度特征和方向特征進行細劃分并

3、采用多結(jié)構(gòu)元素形態(tài)學二值去噪的裂縫圖像分割方法，并取得了不錯的目標提取效果，穩(wěn)定性較好，能夠滿足道路路面裂縫檢測的要求。
　　分析了路面裂縫的四種類型，根據(jù)裂縫的特征提取了投影變換-破損特征向量、裂縫分布密度特征向量，針對裂縫分布密度特征向量的不足，研究了改進裂縫分布密度特征向量的提取方法，并給出了融合特征向量的表征方法。然后，基于BP神經(jīng)網(wǎng)絡(luò)設(shè)計了三個裂縫分類器。實驗結(jié)果表明，改進裂縫分布密度特征分類器的識別效果優(yōu)于投影變換-破