基于神經(jīng)網(wǎng)絡(luò)的高速公路瀝青路面裂縫分類識(shí)別技術(shù)研究.pdf

1、隨著高速公路建設(shè)的飛速發(fā)展，路面檢測(cè)工作變得越來(lái)越繁重，自動(dòng)化路面檢測(cè)技術(shù)的研究與應(yīng)用具有重要的意義。本文在國(guó)內(nèi)外對(duì)路面裂縫分類識(shí)別技術(shù)研究成果的基礎(chǔ)上，對(duì)高速公路瀝青路面裂縫分類識(shí)別技術(shù)進(jìn)行了深入的研究。論文的主要工作和研究成果有以下幾個(gè)方面： 1.提出了基于RBF神經(jīng)網(wǎng)絡(luò)模式識(shí)別技術(shù)設(shè)計(jì)路面裂縫分類識(shí)別的方法。RBF神經(jīng)網(wǎng)絡(luò)能夠快速地完成分類所需要的大量復(fù)雜的計(jì)算，同時(shí)其克服了BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最小的缺點(diǎn)，提高了網(wǎng)絡(luò)的

2、穩(wěn)定性。 2.提出了一種改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)WRAN學(xué)習(xí)算法。該算法根據(jù)最新的誤差信息優(yōu)化網(wǎng)絡(luò)資源，實(shí)現(xiàn)了網(wǎng)絡(luò)結(jié)構(gòu)的精簡(jiǎn)，從而保證了網(wǎng)絡(luò)的泛化能力，同時(shí)其采用了滑動(dòng)窗口的思想，使網(wǎng)絡(luò)對(duì)學(xué)習(xí)參數(shù)變化具有較好的魯棒性，并更易收斂。將此算法應(yīng)用于路面裂縫分類識(shí)別，既降低了網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜度，又提高了分類識(shí)別的正確率，同時(shí)還保證了分類識(shí)別的穩(wěn)定性。 3.歸結(jié)了圖像特征提取的原則。選擇垂直投影、水平投影、裂縫子塊總數(shù)和歐拉數(shù)作為提取