[碩士]基于SVM的路面淺層病害的自動檢測算法研究

內容簡介

　　[碩士]基于SVM的路面淺層病害的自動檢測算法研究　　學科專業(yè): 通信與信息系統(tǒng)　　授予學位：碩士　　學位授予單位：南昌大學　　學位年度：2009　　隨著高速公路通車里程的不斷增加和路網規(guī)模的不斷擴大以及使用年限的不斷增長，高速公路的養(yǎng)護工作變得日趨繁重和重要。探地雷達(groundpenetrating radar, GPR)作為一種快速、連續(xù)、安全、高精度、高分辨率的無損實時探測工具，越來越廣泛地應用于高速公路路面淺層病害檢測。但是，GPR跟光學成像設備不同，它不能直接反映目標的特征。因此，使用GPR勘查高速公路路面淺層質量時，如何由獲取的GPR數(shù)據(jù)解釋高速公路路面淺層質量狀況成為問題的關鍵。　　本課題結合現(xiàn)代數(shù)字處理、信號檢測技術及模式識別算法，實現(xiàn)了高速公路路面淺層病害的自動檢測，其主要技術手段及具體研究內容為:　　 1、探地雷達原始數(shù)據(jù)預處理方法的研究，主要內容包括運用滑動平均法對GPR原始數(shù)據(jù)進行噪聲抑制、使用包絡檢波器和閡值檢測技術自動檢測路面淺層層界面、使用Savitzky-Golay濾波器進行層界面平滑，以及ROI (region ofinterest)提取?！　? 2、基于時域和小波域回波信號的特征提取?？偣苍跁r域與小波域內提取了6個特征，即時域的三個特征:信號的最大幅值MAxs、信號幅值的平均絕對偏差MARS、原始信號幅值互相關XCORRS;小波域的三個特征:合成信號在各級小波上的互相關之和，第三級小波近似系數(shù)a3的最大幅值MAXI,第三級小波近似系數(shù)a3的平均絕對偏差MADE ?！　? 3、基于支持向量機(support vector machine, SVM)的路面淺層病害檢測。利用專家經驗，從層界面反射信號中提取出好路面和壞路面(有病害路面)樣本信號，劃分成訓練樣本和測試樣本。提取其6個時域小波域特征，用訓練樣本訓練SVM，得到相應的支持向量網絡，并把測試樣本作為輸入，由SVM進行特征分類，從而檢測出路面淺層是否存在病害。

專題推薦