基于小波分析的路面病害检测与分类算法研究

论文摘要

随着行车里程的不断增加,路面养护工作日趋繁重。常规路面病害的数据采集、检测一直采用基于人工视觉的现场调查方法,该方法存在劳动强度大、耗时、低效、结果速度慢、解释周期长等缺点,已不能适应现代高速公路养护快速、准确的要求。近年来,为了克服以上主观人工路面检测评估的局限性及适应现代化、大规模、高速度和高质量的公路养护管理要求,自动路面病害图像预处理、病害检测、识别、病害参数测量和破损程度评估等成为公路交通科技领域研究的热点。本文利用数字图像处理技术,实现了沥青路面裂缝自动检测的研究,完成了路面病害自动检测、分类及病害评估。具体研究内容如下：(1)首先研究了针对沥青路面裂缝图像的特点,实现了沥青路面裂缝图像的预处理,主要包括图像增强和图像分割。(2)研究了基于Radon变换的病害检测与分类算法。(3)研究了基于小波分析的路面破损程度评估算法。本论文中的所有路面数据来源于江西省高等级公路管理局,本文提出的自动路面检测系统能有效的检测出路面病害图像,准确率达到97%,且病害分类的结果大体上和实际人工分类的结果相同,只是块裂和龟裂的分类结果有点误差。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究意义
• 1.3 路面病害检测系统硬件部分的发展现状
• 1.3.1 半自动化检测
• 1.3.2 全自动化检测
• 1.4 路面病害检测系统软件部分的发展现状
• 1.4.1 图像预处理算法
• 1.4.2 路面病害图像分类算法
• 1.5 本文的主要内容和主要研究工作
• 第2章 路面裂缝图像增强
• 2.1 灰度级修正
• 2.1.1 灰度化处理
• 2.1.2 线性灰度变换
• 2.1.3 非线性灰度变换
• 2.1.4 直方图均衡化
• 2.2 路面裂缝图像平滑处理
• 2.2.1 均值滤波
• 2.2.2 中值滤波
• 2.3 二维经验模式分解法
• 2.3.1 EMD
• 2.3.2 BEMD
• 2.4 本文采用的图像增强法
• 2.5 本章小结
• 第3章 路面裂缝图像分割
• 3.1 阂值分割方法
• 3.1.1 迭代阈值分割法
• 3.1.2 最佳阈值分割法
• 3.1.3 Ostu法
• 3.1.4 最大熵值分割法
• 3.2 基于边缘的图像分割方法
• 3.2.1 一阶梯度算子
• 3.2.2 二阶梯度算子
• 3.2.3 Canny算子
• 3.3 区域生长算法
• 3.4 本文采用的图像分割法
• 3.5 去除孤立点
• 3.6 本章小结
• 第4章 病害检测与分类
• 4.1 沥青路面裂缝类型
• 4.1.1 纵向裂缝
• 4.1.2 横向裂缝
• 4.1.3 网状裂缝
• 4.1.4 块状裂缝
• 4.2 Radon变换及原理
• 4.3 病害检测
• 4.4 病害分类
• 4.5 本章小结
• 第5章 病害评估
• 5.1 路面裂缝分级评判标准
• 5.2 小波分析理论
• 5.2.1 一维连续小波变换
• 5.2.2 二维连续小波变换
• 5.2.3 二维图像的小波分解
• 5.3 小波系数特征
• 5.3.1 大幅度小波系数百分比
• 5.3.2 高频能量百分比
• 5.3.3 标准差
• 5.3.4 路面裂缝量化准则
• 5.4 几何特征
• 5.4.1 线性裂缝的像素长度和像素宽度
• 5.4.2 线性裂缝的投影长度和投影宽度
• 5.4.3 不规则裂缝的外接像素面积
• 5.5 本章小结
• 第6章 结论与展望
• 6.1 本文的工作总结
• 6.2 展望
• 致谢
• 参考文献
• 攻读学位期间的研究成果