基于圖像處理的路面裂縫自動檢測技術(shù)研究.pdf

1、隨著經(jīng)濟的發(fā)展,我國公路交通事業(yè)高速發(fā)展,因此,對公路的養(yǎng)護工作也提出了更高的要求。公路在建成后受到氣候、地質(zhì)條件、通行量、載荷量等因素的影響,導(dǎo)致公路產(chǎn)生不同程度的裂縫,因此,相關(guān)部門需要對公路進行定期的檢測和養(yǎng)護。國內(nèi)在對路面裂縫檢測時大部分還是使用傳統(tǒng)的人工檢測方法,但這種傳統(tǒng)的方法效率低、誤差大,而且對交通有較大的影響,檢測人員的人身安全也不能完全保證。因此,對路面自動檢測技術(shù)的研究迫在眉睫,以便于節(jié)省費用,延長使用年限,提高公

2、路的服務(wù)水平。
　　本文主要研究裂縫圖像的處理技術(shù),分為圖像預(yù)處理、圖像分割、特征提取三部分。圖像預(yù)處理部分,本文采用最近鄰插值法將圖像縮小,變?yōu)樵瓐D像的1/4;采用四種不同類型的結(jié)構(gòu)元素依次對路面裂縫圖像進行中值濾波,平滑去噪;采用基于圖像背景提取的灰度校正算法校正圖像光照不均。圖像分割部分,本文采用 Ostu閾值分割算法對路面裂縫圖像進行分割,并進行適當(dāng)改善;采用連通域白色像素點閾值去噪算法去除二值圖像的噪聲;將數(shù)學(xué)形態(tài)學(xué)和白

3、色像素點閾值去噪算法相結(jié)合,利用多種形態(tài)學(xué)算法交替處理,提取出裂縫,最后運用迭代細化方法對裂縫進行了細化。特征提取部分,本文根據(jù)不同類型裂縫的特征選取了裂縫像素面積、水平投影、垂直投影、矩形度作為裂縫的特征值,利用裂縫像素面積能夠準(zhǔn)確判斷圖像中有無裂縫。
　　本文用裂縫的四個屬性作為支持向量機分類器的特征向量,采用高斯徑向基核函數(shù)RBF,運用“一對多”的多分類算法,對95幅測試樣本進行識別,總識別率為85.26％。最后簡要分析了造