基于图像处理的路面裂缝识别研究

论文摘要

随着我国高速公路建设的快速发展和公路网络建设的日趋完善,公路的养护工作也受到越来越多的重视。路面裂缝是路面病害的主要形式,是评估公路质量的重要指标。传统的人工检测与识别的方法已经不能适应公路快速发展的要求,所以路面裂缝的自动检测与识别技术的研究显得尤为迫切。因此,本文对基于图像处理的路面裂缝自动识别技术进行了研究。首先,在分析了路面裂缝图像的特点后,对路面图像的预处理问题进行研究。采集到的裂缝图像不可避免的含有大量的噪声,从而会给裂缝的分类识别带来很多困难。为了便于后续图像处理工作,根据路面裂缝图像的特征,文中采用灰度变换的方法对图像进行增强、采用加权邻域均值滤波的算法对图像进行平滑处理。其次,在路面裂缝图像的预处理后,对裂缝区域分割问题进行研究。经过预处理后的图像虽然噪声有所减少,但仍不能满足有效提取裂缝目标边缘的要求。为进一步提高图像信噪比,采用多尺度形态学滤波算子对图像进行滤波处理,不仅保持了较完整的裂缝目标,而且有效地抑制了噪声；然后,通过实验对比分析几种边缘检测算子的检测效果,证明用Sobel算子对裂缝图像进行边缘检测的效果最好,同时运用数学形态学运算填充边缘内部的孔洞以及去除图像中孤立的噪声点和小区域噪声,提取得到裂缝目标的二值图像,实现裂缝区域的分割。最后,在得到裂缝图像后,研究了裂缝目标的特征提取和识别问题。依据分析得到的各类裂缝图像的特点,提取路面裂缝目标的三类特征：第一类是通过垂直投影和水平投影的像素统计图提取裂缝图像的投影特征,第二类是在得到的投影统计图的基础上,根据Proximity的算法提取裂缝目标的特征,第三类是利用破损密度因子提取路面裂缝目标的特征；最后基于此三类特征向量分别应用SVM算法对路面裂缝图像进行分类识别,通过对183幅图像进行实验,结果表明利用破损密度因子提取的特征得到的识别效果最好,正确率达到了96.77%,说明本文提供的方法能够比较准确的实现路面缺陷类型的识别。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 课题的背景与研究意义
• 1.1.1 课题的背景
• 1.1.2 课题的研究意义
• 1.2 路面裂缝识别系统的研究现状
• 1.2.1 国外研究现状分析
• 1.2.2 国内研究现状分析
• 1.3 论文主要工作及组织结构
• 1.3.1 论文的主要工作
• 1.3.2 论文的组织结构
• 第2章 路面裂缝图像预处理
• 2.1 路面裂缝图像的特点
• 2.2 路面裂缝图像增强处理
• 2.2.1 直方图均衡化
• 2.2.2 灰度变换
• 2.3 图像平滑
• 2.3.1 均值滤波
• 2.3.2 中值滤波
• 2.3.3 加权邻域均值滤波
• 2.4 本章小结
• 第3章 路面裂缝区域分割
• 3.1 灰度形态学的基本理论
• 3.1.1 灰度形态学的膨胀与腐蚀
• 3.1.2 灰度形态学的开运算与闭运算
• 3.1.3 形态学梯度
• 3.1.4 Top-Hat变换
• 3.2 多尺度形态学滤波
• 3.2.1 多尺度形态学运算
• 3.2.2 多尺度形态学滤波器构造
• 3.2.3 实验结果与分析
• 3.3 路面裂缝区域分割
• 3.3.1 路面裂缝灰度图像边缘检测
• 3.3.2 二值图像噪声点去除
• 3.4 本章小结
• 第4章 路面裂缝目标的特征提取
• 4.1 公路路面裂缝的类型介绍
• 4.2 灰度共生矩阵
• 4.3 基于投影的特征提取
• 4.4 基于Proximity算法的特征提取
• 4.5 基于破损密度因子的路面破损特征提取
• 4.6 本章小结
• 第5章 路面裂缝的分类识别
• 5.1 支持向量机的基本理论
• 5.2 支持向量机的核函数种类
• 5.3 支持向量机的训练算法
• 5.4 基于SVM的路面裂缝分类识别
• 5.4.1 论文中SVM分类器的构造
• 5.4.2 实验的可行性分析
• 5.4.3 实验结果与分析
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 论文研究内容总结
• 6.2 未来的工作与展望
• 参考文献
• 致谢
• 作者简介