路面裂缝图像预处理，检测，识别.pdf

发布时间：2022-06-09 发布人：admin 分类：说明书资料大小：5.04M 资料格式：pdf 举报版权申诉

hhxxttxs111-2814306-4744300845150741941.pdf-第1页.png

第1页 / 共172页

hhxxttxs111-2814306-4744300845150741941.pdf-第2页.png

第2页 / 共172页

hhxxttxs111-2814306-4744300845150741941.pdf-第3页.png

第3页 / 共172页

hhxxttxs111-2814306-4744300845150741941.pdf-第4页.png

第4页 / 共172页

hhxxttxs111-2814306-4744300845150741941.pdf-第5页.png

第5页 / 共172页

hhxxttxs111-2814306-4744300845150741941.pdf-第6页.png

第6页 / 共172页

hhxxttxs111-2814306-4744300845150741941.pdf-第7页.png

第7页 / 共172页

hhxxttxs111-2814306-4744300845150741941.pdf-第8页.png

第8页 / 共172页

封面

文摘

英文文摘

东南大学学位论文独创性声明及东南大学学位论文使用授权声明

第一章绪论

1.0引言

1.1立题依据和意义

1.1.1立题背景及依据

1.1.2研究的意义与目标

1.2路面破损成因、分类及调查简介

1.2.1路面损坏分析

1.2.2路面破损人工分类

1.2.3路面破损调查与破损计算

1.3路面破损自动识别过程概述

1.3.1路面图像采集

1.3.2路面图像压缩

1.3.3路面图像识别

1.4国内外路面检测系统开发概况

1.4.1国外检测系统开发概况

1.4.2国内检测系统开发概况

1.5本文主要研究内容和章节安排

参考文献

第二章神经网络与路面破损分类

2.0引言

2.1路面数字成像的基本概念

2.2路面裂缝的基本类型

2.3基于路面破损子块图像分布特征路面破损模式识别

2.4本文用于路面破损分类的BP神经网络

2.4.1人工神经网络发展史简介

2.4.2人工神经网络基本特点

2.4.3 BP神经网络

2.4.4 BP神经网络在路面图像处理中的应用

2.4.5 BP神经网络的训练样本

2.5本章小结

参考文献

第三章基于破损密度因子的路面破损特征提取

3.0引言

3.1破损密度因子的定义及其物理意义

3.1.1基本破损密度因子及其与路面图像的卷积定义

3.1.2密度因子的直观物理意义

3.2基于破损密度因子的路面破损评价和分类

3.2.1与UCI路面破损评价方法的对比

3.2.2与PROXIMITY路面破损分类算法的对比

3.3基于破损密度因子的路面破损特征提取

3.4本章小结

参考文献

第四章基于密度因子的路面破损分类研究

4.0引言

4.1对模拟路面的分析

4.2对实际路面的分析

4.2.1实际路面分析汇总

4.3基于密度因子的算法研究

4.4本章小结

参考文献

第五章密度因子的结构设计

5.0引言

5.1密度因子的特性分析

5.2密度因子的结构设计

5.2.1重新设计方向密度因子

5.2.2基于方向密度因子的路面破损特征提取

5.2.3方向密度因子算法

5.2.4混合密度因子算法

5.3本章小结

参考文献

第六章基于密度因子的三种路面破损分类算法的仿真比较

6.0引言

6.1神经网络的测试样本

6.1.1 Data Set A

6.1.2Data Set B

6.1.3Data Set C

6.2测试样本的生成系统

6.3训练样本和测试样本的客观性分析

6.4三种路面破损分类算法的神经网络仿真

6.4.1基本密度因子算法仿真结果

6.4.2方向密度因子算法仿真结果

6.4.3混合密度因子算法仿真结果

6.5本章小结

参考文献

第七章进一步验证密度因子算法的性能

7.0引言

7.1 PROXIMITY算法的仿真结果

7.1.1基于241个训练样本的分类算法仿真结果

7.2更换神经网络训练样本再次进行比较

7.2.1基于300个训练样本的混合密度因子算法仿真结果

7.2.2基于300个训练样本的PROXIMITY算法仿真结果

7.3更换神经网络测试样本再次进行比较

7.3.1产生16万测试样本

7.3.2对16万测试样本的仿真结果

7.4其它最优情况的比较

7.4.1当训练样本为241个时

7.4.2训练样本为另外300个

7.4.3另外两种密度因子算法对实际路面样本的识别结果

7.5进一步比较混合密度因子算法和PROXIMITY算法的性能

7.5.1进一步比较算法的平移不变性和旋转不变性

7.5.2两种算法对几十幅原始路面破损图像的分类比较

7.6本章小结

参考文献

第八章总结

作者攻读博士期间发表的文章

致谢

分类与UDC：密级：——学号：Q!13≥5东南大学博士学位论文路面破损图像自动识别关键技术研究研究生姓名：肖匪堑导师姓名：董里塾撞申请学位级别王堂懂±论文提交日期至壁Q垒生Q2且垫旦学位授予单位苤亩太堂答辩委员会主席学科专业名称童通信星工程丞控制论文答辩日期垒QQ璺生且县学位授予日期2QQ垒生旦旦评阅人2004年07月30日

摘要摘要传统的人工检测路面破损的方法存在很多缺点，愈来愈不能适应高速公路发展的要求，迫切需要实现路面状况的自动检测。现有的路面破损状况自动检测设备能够较好地识别路面有无破损，但对路面破损的分类还存在问题。本论文主要针对路面破损分类这一难题展开研究。通过对五种常见路面破损圈像特征的分析，首次提出了破损密度因子的概念，并对其基本形式进行了定义，同时定义了破损密度因子与路面子块图像进行运算的方式。在此基础上，提出了一种路面破损特征提取新方法，即用破损密度因子对路面破损图像进行特征提取的方法。该方法先将路面破损图像等分为一定大小的子块图像，然后对子块图像进行模式分类，分类结果组成的矩阵作为路面破损I羽像的整体特征。在对路面破损图像分析的基础上，进一步对算法的可扩展性进行了研究。研究密度因子的结构对各类路面破损图像识剔的影响，以及密度因子的撬模大小与其对路面破擐图像表征程度的关系r最终设计出三种不同结构的密度因子，并提取了路面破损图像的特征量，从而得到基于密度因子的三种路面破损分类算法．即基本密度因子算法、方向密度因子算法和混合密度因子算法，这表明本文提出的基于密度因子的破损分类算法具有良好的可扩展性。为了验证基于密度因子的三种路面破损分类算法的有效性，本文采用BP神经网络对三种算法进行了仿真研究，仿真结果表明，基于密度因子的三种路面破损分类算法对常见路面破损图像分类是非常有效的，混合密度因子算法是这三种算法中识别率最高的一种。论文的研究成果为解决路面破损图像自动分类这一难题提供了一种崭新的方法。关键词：交通工程，路面破损，自动检测，模式识别，特征提取，破损密度因子，破损分类

堡主堂垡堡茎——ABSTRACTThehumanvisionbasedtraditionalpavementcrackdetectionmethodsareilloreandmoleunfitfortherequirementofhighways’development．Thesemethodsinvolvehighlaborcosts，produceunreliableandinconsistentresults．andexposetheexpertstodangerousworkingconditionsonhighways．Itpressesfortheautomaticcompletionofpavementstatusinvestigation．Currentautomaticdetectionequipmentscanrecognisewhetherornotthere’recracksonhighways，buttheystillhaveproblemsincrackclassificationanddatastatistics．Thisthesismainlystudiesthepavementcrackclassificationthatessentiallyispatternrecognitionandwhosekeytechniqueisfeatureextraction．Anewmethodforpavementfeatureextractionispresentedfirsttime，namely,usingcrackdeasityfactortoextractthefeaturesofpavementcrackimages·Thismethoddivideseverypavementcrackimageintoseveralsub·imagesofsamesizeatfast，thenexecutespatternclassificationoilsub-imagestogetthematrixcomposedofzeroandonewhichisconsideredasthewholefeaturesofpavementcrackimages．Inthisthesis，wemainlystudythepavementcrackclassificationbasedonthefeaturem枷x．Inthisthesis，atfirst，wepresenttheconceptofcrackdensityfactorfirsttimeanddefmeitsbasicformat．Atthesametime，wealsodefineanewoperationmethodforcrackdensityfactorandthefeaturematrix．Secondly,theanalysisresultsshowthatthemethodofcrackdensityfactorissuperiortothePROXIMITYmethodthroughthefeatureextractionoftensofpavementcrackimagesusingdifferentmethods．Forexample，themarcabnormalcagesforPROXIMITYmethodwherethefeaturevaluesofblockcrackareeve／1largerthanthefeaturevaluesofalligatorcrack．Theabnormalcasesdon’tappearforcrackdensityfactormethod．Thisanalysisresultshowsthatcrackdensityfactormethodissuperior,sincethetwocracktypesofblockcrackandalligatorcrackal-emoledifficulttorecogniseforautomaticclassificationofpavementcrack．Thirdly,basedontheaboveanalysisoftensofpavementcrackimages，wefurtherstudytheexpansibilityofthecrackdensityfactormethod，thatis，theinfluenceofthestractumofcrackden5ity如cforonpavementcrackrecognitionandtherelationshipbetweenthedepicteddegreeforpavementcrackimagesandthesizeofcrackdensityfactor．Wedesignthreetypescrackdensityfactorofdifferentstructures，namely,basiccrackdensityfactor,directionalcrackdensityfactorandsyntheticalcrackdensityII

垒曼坚垒坚factor．Thisalsoshowstheexpansibilityofcrackdensityfactormethod．Fourthly,numericalsimulations，usingBPneuralnetwork，vedfythevalidationofthethreetypescrackdensityfactormethodsfortheclassificationoffiveordinarytypesofpavementcrackimagesandgettheresultthat,wntheticalcrackdensityfactormethodisofthehighestrecognitionratio．Finally,usingseveraltrainingsamplesandtestingsamples，alotofsimulationsaretakenonthetwomethodsofsyntheticalcrackdensityfactormethodandPROXIMITYmethodinordertoverifythevalidationandsuperiorityofthecrackdensityfactormethod．SimulationresultsshowthatthecrackdensityfactormethodissuperiortoPROXIMITYmethod。Themaincontributionofthisthesisispresclltingtheconceptofcrackd∞sityfactorfirsttimeandverifyitsvalidationandsupcrio血ythroughsimulationsandcontrastingwithothermethodItprovidesaaewresearchmethodandviewforsolvingthedifficultproblemofpavementcrackautomaticclassification．Keywords：Trafficengineering，Pavementdistress，Automationdetection，Pattemrecognition，Featureextracting，Densityfactorofdistress，Classificationadgofithmonpavementdistress，IIIIII

东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名：ii：堑丝垒日期：研究生签名：』§：旦芝垒日期：东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩E[]或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布(包括刊登)论文的全部或部分内容。论文的公布(包括刊登)授权东南大学研究生院办理。研究生签名：

第一章绪论1．0引言第一章绪论本章主要是与本论文研究相关的基本知识介绍，主要包括研究背景、研究意义、研究现状、存在的问题等，通过本章的一系列文献的回顾。将最终确定本文的研究目标和研究内容。本章的结构安排如下：1．1节交代本文立题依据和意义，包括研究背景和研究目标等。1．2节是关于路面破损成因、分类，弄清楚各种破损现象的具体特征和成因，以及破损的分类，对研究新的智能检侧手段有重要意义。1．3节是关于路面破损自动检测研究概述，路面破损自动检测一般的步骤，即采集、压缩和识别。本节重点介绍了路面破损图像识别过程：包括预处理、分割、特征提取、分类，因为本文的研究重点就是路面破损图像自动分类。1．4节介绍国内外路面破损自动检测设备开发情况，从本部分的介绍中可以看出，从20世纪70年代以来，国内外～直没有停止对高速、高效检测设备的研制与检测方法的研究。并总结出目前现有的检测设备存在的主要问题，从而引出本文的研究重点和目的。15节交代本文主要研究内容，使用方法以及全文的章节安排等。1．1立题依据和意义1．1．1立题背景及依据20世纪八十年代以来，随着国民经济的快速增长，我国的交通运输事业，特别是高等级公路建设取得了突飞猛进的发展，其中高速公路建设正处在空前的高速增长时期。尤其是最近几年，公路投资力度空前，例如2003年，我国共新建、改建农村公路10。2万公里，新增高速公路4600公里，全国高速公路通车里程已经接近3万公里，我国现有公路里程已经超过180万公里”1。按照一些发达国家的高速公路发展水平。我国道路增长空间还很大。例如美国国土面积与我国接近，至20世纪70年代末己建成8．5万公里的州际干线高速公路网(1999年底高速公路里程为8，86万公里)。我国交通部根据十五大提出的国民经济和社会发展目标，研究制定了至二十一世纪中叶我国公路主骨架建设的目标：重点建设“五纵七横”12条干线国道，总里程约3．5万公里。由高等级公路为主组成，贯通首都和直辖市及各省(自治区)省会，连接所有100万以上人12的特大城市和93％的人口在50万以上的大城市。公路事业的蓬勃发展，必然要求它的质量检测手段，方法及设备也应有相应发展。90年代以前，公路管理部门对这些公路的路面管理缺少系统的检测、评价和科学的养护决策管理，公路路面的养护管理主要依靠对路面状况的定性了解和工程师的经验来进行，在决策过程中，常常由于经验限制及缺乏对路面破损和质量的定性、定量掌握，使路面养护方案不尽合理，由此造成了养护资金浪费、路面质量下降以及使用者费用上升。为了改变这种状况，适应现代化大规模、高速度和高质量的公路养护管理需要，交通部在长期、大规模研究的基础上，于1991年推广实施了国家重点新科技项目一路面管理系统1"21(PMS，pavementmanagementsystem)。PMS是包括硬件设备和计算机软件系统的技术实体，它包括路面数据库及数据采集设备、网级系统和项目级系统8J，其中路面数据高效、快速、准确的采集是整个路面管理系统的基础(路面管理系统的决策又必须依赖于大量、精确的路面状态数据信息)。目前国内用于数据采集的设备如表1．1：

东南大学博士学位论文表1．1路面数据采集设各指标高效设备传统设备(方法)交通量交通量自动记录仪人工调查轴载轴重仪人工调查车速雷达测速仪人工调查路面弯沉路面自动弯沉车贝克曼梁路面平整度平整度自动检测仪六米直尺表面破损路面灾害摄影仪人工调查抗滑性能横向力系数仪摆式仪其中，路面弯沉、路面平整度、抗滑性能和表面破损是评估路面性能的四个基本参数…”1[271前三个量已经完全实现自动采集，唯有第四个量还一直未能完全实现自动化，成为国际研究熟点和难点。近年来，交通部结合国内情况引进了一系列公路路面数据检测设备“’，用于路面数据的自动采集，但这些检测设备有它们的缺点：(1)价格昂贵，大致为我国研制的10一15倍(2)检测的指标体系与我国的现行体系有较大差别(3)引进的设备一般为单项式检测，效率较低，而整车式检测的价格又太高，不利普及。(4)数据采集和图像处理难以实时化。Smith，R，E。等人1998年曾对现有最流行的4种设备进行分析，发现没有一个真正实现数据采集和图像处理的实时化““。(5)结果准确性方面也存在问题，20世纪90年代早期美国联邦公路局和得克萨斯交通局曾组织测试，对不同设各的结果和人工测试的结果进行比较，发现各种设备存在很大差异”“。国际上为开发和设计高效、快速、准确的路面破损自动检测系统，许多研究人员在此领域都进行了深入的研究。特别是利用摄影或摄像技术开发路面破损信息采集系统，并结合图像处理、模式识别和其它先进的传感器技术，处理路面破损信息已经成为本领域的研究热点…口】I““”1。进年来，我国一些科研机构例如吉林大学”肛1”、同济大学551、南京理工大学16】，安徽省交通厅、江苏省交通科学研究院等，也纷纷开始研制路面数据的自动采集设备。1．1．2研究的意义与目标我国在公路路面数据中最重要的指标之一路面破损检侧仍主要采用人工检测的方法。随着交通事业的迅猛发展，人工检测劳动强度大，防碍交通、危险(野外操作不安全)，效率低，准确度低(人为随意性较大)，难以对路面破损进行客观和准确的评价，也难以满足路面管理系统数据采集要求。路面破损数据的采集问题已经成为我国推广和应用路面管理系统的‘瓶颈”。路面表面破损状况是道路工程师用来判断路面中修罩面的主要依据，传统的检测方法是人工目测。但随着科技的进步与检测要求的提高，国内外一直没有停止对高速、高效检、全自动(不要人干涉)检测设备的研制与识别方法的研究。国外发达国家20世纪60--70年代，就围绕路面管理系统，着手开始研究路面破损数据自动检测。所以从那时候一直到现在，有大量的关于这方面期刊论文、学位论文以及研究报告【l……1。我国在路面破损数据自动检测方面，直到2l世纪才有摺关的研究论文出现。所有相关的期刊论文总数仅在10篇上下14115删【7It8】[9】【101【ll】㈣，而且，这些论文的作者单位主要是吉林大学。直到目前，在我国最大的学位论文数据库——万方学位论文数据库中，能找到的所有与路面破损数据自动检测相关的学位论文总共才两篇‘”Ⅱ1“，而专门研究路面破损自动分类的论文更是罕见，这反映出我国路面破损自动检测方面研究的缺乏。美国路面破损自动检测市场主要由RoadWare和Terrecon公司占领，1998年Wang，KP等对RoadWare公司的产品和人工测试的结果进行比较，发现设备的结果精度不能保证，设备对裂缝的识别没问题，但主要问题在对裂缝的分类和数量的统计上”“。2

本文主要针对路面裂缝的分类这个难题，在总结前人㈣1151的工作基础上，作进一步的研究。力求提出一种新的路面破损自动分类方法，为研究路面裂缝自动分类提供了一种新的视角。1．2路面破损成因、分类及调查简介在交通载荷和自然环境的综合作用下，道路路面会逐渐变的凹凸不平，表面出现形形色色的破损现象，这些破损随着时间的推移而日趋严重，到达～定程度后会影响汽车行驶速度、行驶时间、行驶安全性和道路运输费用。为了评估和预测这些道路破损对道路的使用性能、汽车运输费用以及行驶舒适性的影响效果，需要将其合理地分类，以便确定破损对路面性能和寿命的影响。1．2．1路面损坏分析根据国内外分析，路面破损从大的方面可分为以下两类：功能性破损和结构性破损口】。功能性破损是由于路面提供给道路用户的服务能力下降引起的，反映在路面上则是平整度降低和车辙加深；结构性破损是由于路面各层的承载能力降低引起的，反映在表面上往往是裂缝。根据我国的路况调查发现，常见的功能性破损有不平整、坑洞、拥包、泛油、波浪、修补、车辙(小量)和局部裂缝。常见的结构性破损有龟状裂缝、块状裂缝、纵向裂缝和横向裂缝等。1．2．1．1功能性破损分析功能性破损是表面性的，易于认识，其破损原因也比较清楚。(J)局部裂缝一般在路面使用3—5年后发生，其表现多是细线状裂缝。引起局部裂缝的原困可归纳为基层和路基地压实度不均匀、施工质量控制不严格以及局部材料质量等问题。严重的局部裂缝将导致结构性的破坏。(2)纵向不平整性一般用平整度描述，其定义为：在道路纵断面方向上产生的波长较短的凹凸不平现象。原因：路面的人工摊铺，交通量的迅速增加，筑路材料及路基承载不均匀。纵向不平整是一种相当普遍的破坏现象，在低等级公路上到处可见。(3)车辙车辙是在道路横断面上由于车辆轮胎重复行驶产生的一种路面沉陷现象。产生原因是重载交通的作用、渠化交通和路面材料质量低下等，夏季的高温也是形成车辙因素之一。车辙现象在一般公路上不常见，原因是汽车的混合行驶使轮迹分布在一个较宽的范围内。从整体上降低了发生车辙的可能性。我国高速公路运营时间较短(一般都在十年以内)，且交通量远未饱和，因而还没有出现严重的车辙现象。随着交通量的增加，与其他发达国家一样，高速公路及汽车专用公路上的车辙必须予以充分考虑，包括评价办法和处理对策。(4)桥头跳车桥头跳车现象发生在桥和涵侗等构造物与路面交接的部位，是由于路面村料压实不均匀而产生的与构造物间的高度差所致。车辆行驶时桥头跳车会引起车辆振动(跳动)，严重的会导致交通事故。桥头跳车是常见的破损，但在一般公路上由于车速较低而未引起足够的重视，而高速公路上则需把它看作严重破损之一。(5)剥落、松散和坑洞由于沥青混合物骨料和沥青粘接性下降产生的骨料松散、脱落，严重的将形成坑洞。其原因为是骨料质量差和混合物浸水分离。(6)刨光刨光是由于路表面材料光滑，轮胎走过时易干滑动的现象。导致此现象的原因是混合物的质量不佳及碾压不足。(7)波浪、拥包和泛油涉浪是沿道路纵向形成的一种波长较短振幅较大的凹凸现象。拥包是表面的局部隆起。泛油则3

分享到：

赞收藏

资料库

路面裂缝图像预处理，检测，识别.pdf

相关推荐

课程资源

热门标签

最新资料