基于圖像的路面破損識(shí)別.pdf

1、隨著圖像處理技術(shù)的深入發(fā)展，將這些新的技術(shù)應(yīng)用于公路路面破損的檢測(cè)，既可以解放勞動(dòng)力，排除人的主觀因素的干擾，又能快速而準(zhǔn)確地進(jìn)行公路路況的評(píng)價(jià)，具有重要的實(shí)用價(jià)值。 本文基于路面破損二值圖像，研究基于圖像的路面破損自動(dòng)識(shí)別方法，主要涉及兩點(diǎn)：路面破損圖像的特征提取方法；分類器的選擇。在路面破損識(shí)別中，如何使破損類型特征化是實(shí)現(xiàn)實(shí)時(shí)、準(zhǔn)確識(shí)別圖像的關(guān)鍵。本文綜合考慮路面破損圖像的結(jié)構(gòu)特征和統(tǒng)計(jì)特征，對(duì)現(xiàn)有的特征提取方法進(jìn)行改進(jìn)，

2、選擇路面子塊圖像在水平和垂直方向的差分向量、3×3，5×5密度因子與對(duì)應(yīng)的路面圖像的卷積、裂縫子塊數(shù)作為提取的特征向量。支持向量機(jī)(Support Vector Machine,SVM)方法是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC 維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原則基礎(chǔ)之上，根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折衷，能夠獲得最好的推廣能力，有效解決神經(jīng)網(wǎng)絡(luò)過(guò)學(xué)習(xí)現(xiàn)象；模型求解最終體現(xiàn)在一個(gè)二次規(guī)劃問(wèn)題上，從理論上講，可以得到全局最優(yōu)解，解決了

3、在神經(jīng)網(wǎng)絡(luò)方法中無(wú)法避免的局部極值問(wèn)題?；诖?，論文選擇支持向量機(jī)作為分類器，通過(guò)試驗(yàn)選擇徑向基核函數(shù)。分類輸出橫向裂縫、縱向裂縫、龜狀裂縫、塊狀裂縫、無(wú)裂縫五種路面破損類型。 本文立足于路面二值圖像破損特征提取和分類器選擇兩方面問(wèn)題，闡述了傳統(tǒng)的方法的缺陷，對(duì)其加以改進(jìn)，選擇實(shí)際和生成的路面圖像作為訓(xùn)練和測(cè)試樣本，用Matlab 仿真試驗(yàn)。首先考慮了在BP神經(jīng)網(wǎng)絡(luò)分類器下和其他特征提取方法進(jìn)行實(shí)驗(yàn)對(duì)比，再次考慮了在本文提出的特