探析基于图像分析的沥青路面裂缝识别关键技术研究

《探析基于图像分析的沥青路面裂缝识别关键技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、长安大学硕士学位论文基于图像分析的沥青路面裂缝识别关键技术研究姓名：王丽敏申请学位级别：硕士专业：交通信息工程及控制指导教师：赵祥模20100609摘要沥青路面裂缝检测是交通信息工程和模式识别领域的一项挑战性的工作。论文以长安大学”CT．501A”高速激光道路检测车采集的图像数据为基础，通过对沥青路面裂缝类病害图像特性的分析，研究基于数学形态学的沥青路面图像裂缝检测算法和基于支持向量机的图像分类算法。在研究中，针对沥青路面图像的特点，试验分析了不同形态、不同大小的结构元素对数学形态学边缘检测算法应用效果的影响。论文采用改进型形态学边缘检测算法，选择9x9菱形的结构元素

2、对批量沥青路面图像进行处理，准确检测出裂缝图像的边缘细节。采用迭代阈值分割的方法对检测结果进行二值分割，得到噪声点较小的二值化图像。采用3x3一字形的结构元素对其进行形态学滤波去噪后，通过投影及等间隔采样的方法对批量去噪后的二值化沥青路面图像进行特征提取。论文研究了基于支持向量机算法的沥青路面图像分类，对支持向量机的四种核函数进行对比试验，选用分类准确率较高的RBF核函数实现基于支持向量机的沥青路面图像分类，将其分成有裂缝与无裂缝两种类型。通过对260幅沥青路面图像的实验分析，结果表明论文提出的方法可以有效地检测出裂缝边缘，具有较强的噪声抑制能力，得到的分类准确率达到

3、94．4278％。论文的研究可以为道路评价与养护提供科学的数据，对提高我国公路检测自动化水平具有重要意义。关键词：沥青路面、裂缝检测、数学形态学、阈值分割、支持向量机AbstractAsphaltpavementcrackdetectionisachallengingworkintheareaoftrafficinformationengineeringandpattemrecognition．Thispaperisbasedontheimagedatacollectedbythe”CT-501A”high-speedlaserroadtestingCarofChan

4、g’anUniversity,andthethesisstudiedthemethodofasphaltpavementcrackdetectionusingthetheoryofthemathematicalmorphologyandthemethodofimageclassificationofsupportvectormachinethroughtheanalysisofimagefeaturesofasphaltpavementdisease．Accordingtothecharacteristicsofpavementcracks，wechoosetouse

5、differentstructuralelementsofdifferentsizesandshapeontheasphaltpavementimagestoanalyzetheinfluenceofstructuralelementswhenapplyingthemorphologicaledgedetectionoperator．Thispaperadoptsalgorithmsofimprovedmorphologicaledgedetection，hasprecislydetectededgedetailsofthecrackimagesbychoosings

6、tructureelementof9x9diamondstodealwitllthebatchofasphaltpavementimages；adoptsiterationthresholdsegmentationmethodtosegmentdetectingresultstoobtainthebinaryimages、析tllsmallernoisepoints；adopts3x3horizontalstructureelementsandthemethodofmorphologytodenoisethebatchofbinaryimages，andadoptsp

7、rojectionandintervalsamplingtoextractfeaturesofdenoisedbinaryimages．Thepaperstudiesalgorithmofsupportvectormachinebasedontheasphaltpavementimageclassification．Experimentsarecardedoutcomparefourkindsofkernelfunctionofsupportvectormachine．ChoosingRBFkernelfunctionwhichhasthehighe