基于图像处理的路面裂缝检测关键技术研究

阅读量：

400

作者：

樊瑶

展开

摘要：

随着我国公路网的不断完善,公路建设的规模趋势日益平缓,公路路面状况检测、养护和管理已成为我国公路建设领域的重要任务。路面裂缝是大部分路面病害的早期形式,及时发现裂缝并进行修补可以有效的减小路面病害带来的损失。因此,路面裂缝检测具有重要的现实意义。由于路面图像的多纹理性、多目标性、目标的弱信号性和图像光强的多变性,使得路面裂缝目标的识别难度相对较大。现有算法大多是建立在路面图像质量好、裂缝目标清晰的基础上而开发的,缺乏对复杂环境的适应性,难以满足工程应用的实际需求。针对以上问题,本文对路面裂缝病害检测过程中所涉及的去除噪声、裂缝目标分割、裂缝边缘提取以及裂缝类型识别等关键技术进行研究,提出了一种基于图像处理的路面裂缝智能检测方法。该方法对路面裂缝灰度图像建立压缩感知去噪模型,对于成像照度不均匀的问题,选择自适应阈值进行分割,并通过韦伯定律和视觉模型进行分段阈值边缘检测,最终通过径向基概率神经网络进行裂缝图像的裂缝类型识别。论文主要在以下几个方面展开了研究工作:1.针对目前路面图像滤波算法复杂度高且难以耦合噪声抑制和信号平衡的缺点,提出了一种基于非下采样Contourlet变换域压缩采样的滤波算法。该方法首先使用非下采样Contourlet变换对包含噪声的路面裂缝图像进行多尺度分解,建立压缩感知去噪模型,采用伪随机傅里叶矩阵对高频子带系数进行观测,通过构建重建过程所使用的优化目标函数的形式及参数的设置,应用不同的优化目标函数信号,重建原始图像以达到实现滤波的目的。实验表明:本文提出的算法可以很好的克服光照不均对裂缝目标检测的影响,在相同的实验条件下,与Curvelet阈值法和Wavelet阈值法相比,裂缝的错误检测率降低了15%和7.8%。2.针对成像照度不均匀的问题,提出一种基于改进的模糊聚类分割的自适应阈值分割算法。改进的模糊聚类分割算法对路面灰度图像采用模糊直方图,利用模糊直方图波峰的个数来确定聚类数,模糊直方图的极值确定聚类中心。改进的模糊聚类分割算法对整幅图像的全局分割阈值进行估计,最大类间方差算法对所划分子图像进行局部分割阈值估计,局部分割阈值通过局部分割估计阈值与全局分割估计阈值之间的关系以及子图像的灰度特点共同确定。实验表明:在相同的实验条件下,基于改进的模糊聚类分割的自适应阈值分割算法比模糊聚类分割算法查全率提高了0.195,查准率提高了0.0566。3.提出了一种利用视觉模型来确定路面裂缝边缘检测阈值的算法。该算法按照仿生学原理,通过分析人眼的阈值亮度比曲线和Weber比曲线,将图像根据背景亮度划分为三个不同亮度区域,分别是亮区域、中间区域、暗区域,对于不同亮度区域分别采用不同的边缘阈值公式,最后得到路面裂缝的检测结果。实验结果表明:本文提出的算法受到噪声的影响较小,能够克服光照不均对检测结果的影响,可以检测出较为完整的裂缝边缘信息,在相同的实验条件下,与基于多尺度小波模极大值和基于脉冲耦合神经网络的边缘检测算法相比,不同类型的裂缝的边缘定位指标和检出率均有所提高。4.设计了一个四层径向基概率神经网络进行裂缝类型的识别。第一隐层采用径向基函数作为基函数,隐矢量中心采用k-means聚类法确定,第二隐层与输出层之间的连接权值由递推最小二乘法确定。将裂缝的几何特征作为网络的输入,利用900幅已知裂缝类型的路面图像作为训练样本对径向基概率神经网络进行训练,训练好的网络对700幅未知裂缝类型的路面图像进行分类测试。测试结果表明:径向基概率神经网络可以取得了很好的分类效果,与SVM,C4.5决策树分类器、贝叶斯分类器相比,识别率达分别提高了1.85%、4.35%和7.78%。

展开

关键词：

路面裂缝；压缩感知；视觉模型；径向基概率；神经网络

学位级别：

博士

DOI：

CNKI:CDMD:1.1016.749296