[碩士]基于多尺度圖像分析的路面病害檢測方法研究

內(nèi)容簡介

　　[碩士]基于多尺度圖像分析的路面病害檢測方法研究　　學(xué)科專業(yè): 模式識別與智能系統(tǒng)　　授予學(xué)位：碩士　　學(xué)位授予單位：南京理工大學(xué)　　學(xué)位年度：2009　　近年來，基于CCD攝像機(jī)的路面病害自動檢測系統(tǒng)在公路養(yǎng)護(hù)事業(yè)中獲得了廣泛的應(yīng)用。而病害自動檢測這一模塊的檢測效果將直接影響到整個系統(tǒng)的檢測精度，虛檢和漏檢都會影響整個道路狀況的評估，因此設(shè)計準(zhǔn)確有效的自動檢測算法是至關(guān)重要的一個環(huán)節(jié)。傳統(tǒng)的大部分自動檢測算法都是在固定尺度上對路面圖像進(jìn)行分析，這類方法不能表現(xiàn)出圖像本身固有的多尺度特性，也就限制了分析結(jié)果的準(zhǔn)確性，而本文采用一種模擬人類視覺感知外界事物過程的多尺度圖像分析方法對路面圖像進(jìn)行分析，圍繞著這個核心從路面圖像的去噪、增強(qiáng)和裂縫目標(biāo)的提取三個方面進(jìn)行研究?！　? 針對路面圖像表面紋理豐富、背景噪聲多的特性，本文先從數(shù)學(xué)形態(tài)學(xué)尺度空間出發(fā)，構(gòu)造了一種多尺度形態(tài)學(xué)濾波器，根據(jù)路面圖像的特性選擇了合適的形態(tài)運算類型、結(jié)構(gòu)元素以及恰當(dāng)?shù)某叨龋⒏鶕?jù)不同尺度抗噪性能的不同采用了合適的權(quán)值分配方案，該方法能很好地在濾除背景噪聲的同時保持目標(biāo)邊緣?！　? 本文又從非線性尺度空間出發(fā)，針對P-M正則化模型中的高斯預(yù)平滑會帶來圖像邊緣位置漂移的缺點，對模型擴(kuò)散方程的擴(kuò)散系數(shù)進(jìn)行修改，將形態(tài)學(xué)算子引入擴(kuò)散方程中，提出了一種基于形態(tài)學(xué)算子的P-M模型，模型中梯度閉值K采用一種魯棒統(tǒng)計的方法自應(yīng)地給出。新的擴(kuò)散模型在有效去除噪聲的同時具有更好的目標(biāo)邊緣保持能力，并且能夠抑制邊界的移動?！　? 針對路面圖像中裂縫信息弱小，與背景對比度低的情況，僅僅濾波處理是不夠的，鑒于此，本文將基于非線性尺度空間的圖像增強(qiáng)技術(shù)應(yīng)用到路面圖像中，并針對裂縫的線形紋理結(jié)構(gòu)，采用一種能夠反應(yīng)圖像紋理方向的結(jié)構(gòu)張量與Osher-Rudin沖激濾波模型結(jié)合的相干增強(qiáng)沖激濾波模型，該模型不但能夠有效地銳化目標(biāo)邊緣，增強(qiáng)圖像中目標(biāo)和背景的對比度，更重要的是增強(qiáng)了裂縫的線形紋理結(jié)構(gòu)?！　? 在裂縫信息的提取上，本文針對背景光照不均的圖像設(shè)計了一種基于多尺度形態(tài)學(xué)梯度的裂縫目標(biāo)檢測方法，通過檢測圖像的局部突變信息來避免因整體灰度不均而導(dǎo)致的錯分割現(xiàn)象。該方法綜合了大小尺度的梯度信息，克服了常規(guī)算法易受噪聲、雜物以及光照條件等干擾的問題，對不同路況路面中的裂縫均能取得良好的檢測結(jié)果。

專題推薦