[博士]基于圖像分析的路面裂縫檢測的關鍵技術研究

內(nèi)容簡介

　　[博士]基于圖像分析的路面裂縫檢測的關鍵技術研究　　學科專業(yè):道路與鐵道工程　　授予學位：博士　　學位授予單位：南京理工大學　　學位年度：2012　　路面裂縫是絕大部分病害的早期形式，及時發(fā)現(xiàn)裂縫并進行修補可以最大限度的減小路面病害帶來的損失。此外，裂縫病害往往較為細微，裂縫檢測是病害自動檢測中的難點問題，因此本文的研究主要針對裂縫病害進行。本文提出將分數(shù)階微分分析、多尺度變換理論、中值濾波、形態(tài)學、形態(tài)成分分析等理論知識應用到對路面裂縫圖像的增強、去噪、邊緣檢測和陰影分離中去，旨在進一步提高路面裂縫的檢測和陰影分離的效果，對推動路面裂縫檢測自動化的進步具有較大的理論意義和實踐價值。　　首先，本文提出了基于分數(shù)階微分和圖像形態(tài)學的路面裂縫檢測算法，通過分析信號經(jīng)過微分后的幅頻特性，發(fā)現(xiàn)分數(shù)階微分在增強信號中、高頻部分的同時能非線性保留信號的低頻部分，而基于1階和2階的整數(shù)階微分運算雖然能有效實現(xiàn)信號中、高頻部分的增強，可是同時對于平滑區(qū)域的裂縫信息有削弱的作用。據(jù)此，根據(jù)經(jīng)典的分數(shù)階微分G-L定義推導出分數(shù)階微分的差值定義，構建出分數(shù)階微分掩模，通過分數(shù)階微分掩模運算使路面圖像中的裂縫信息尤其是處于平滑區(qū)域的細小裂縫病害信息有效加強。之后利用圖像形態(tài)學算子進行演算提取裂縫，通過組合中值濾波去除孤立噪聲點。實驗結果表明，本文提出的基于分數(shù)階微分的路面裂縫檢測方法切實可行。通過與其它整數(shù)階微分方法比較發(fā)現(xiàn)無論是主觀視覺的效果，還是客觀評價標準方面都能取得較好的結果。同時，分數(shù)階微分算子彌補了傳統(tǒng)圖像增強算子不能通過改變參數(shù)來得到連續(xù)變化的增強效果，以及對于較弱信號處理效果不理想的缺陷，算法更具靈活性和針對性。而且該方法運行效率較高可以廣泛應用于路面圖像病害檢測?！　? 多尺度幾何分析方法具有多尺度、時一頻局部和多方向的特性，輪廓波變換是對圖像的多尺度多方向表達，能準確把握圖像幾何結構信息，有效捕捉到自然圖像中的輪廓，但存在頻譜混淆現(xiàn)象，從而削弱了方向選擇性。非下采樣的輪廓波變換取消了輪廓波變換中的下采樣部分，首先由非下采樣塔狀濾波器進行多尺度分解，然后由非下采樣方向性濾波器組對得到的各帶通子帶圖像進行方向分解，從而得到不同尺度、方向子帶圖像，在非下采樣輪廓波變換域，通過基于梯度向量模的自適應雙閉值將路面圖信息分類，通過非線性增益函數(shù)有針對性的增強信號的對比度，之后進行非下采樣輪廓波反變換得到裂縫被增強的路面圖，然后應用形態(tài)學和組合中值濾波后處理得到裂縫檢測結果。實驗證明，本文提出的算法與其它算法相比有效的增強了弱信號裂縫，在抑制噪聲的同時保留了豐富的裂縫細節(jié)信息，并且能很好地抑制偽Gibbs失真造成的裂縫邊緣模糊，實驗結果證明了算法的有效性。　　路面圖陰影是攝像光源光線被攝像頭等物體完全或者部分遮擋的區(qū)域，陰影區(qū)域的灰度值比周圍的區(qū)域的灰度值要小。一般情況下路面裂縫的灰度也較低，陰影在路面圖像自動檢測中會影響路面裂縫識別的準確度，容易將陰影區(qū)域劃分為被識別物體，加大了檢測的錯識率。針對路面圖像陰影問題，本文提出了基于形態(tài)成分分析的路面圖像陰影分離算法。算法涉及到稀疏表示理論及形態(tài)成分分析方法。形態(tài)成分分析的主要假設是圖像的幾何結構和紋理結構分量在某個特定的基庫或超完備字典下是類內(nèi)稀疏的，而各形態(tài)分量稀疏表示的基庫或超完備字典之間具有不相干性。因此，本文首先根據(jù)路面圖像和陰影的特點找到相應的字典來稀疏表示各個部分;然后，根據(jù)字典對相應圖像信號進行變換，得到各部分信息的稀疏表示系數(shù)，對系數(shù)進行軟閉值收縮得到新的系數(shù):最后，再對系數(shù)分別進行逆變換將這個過程進行多次迭代分離出要得到的路面圖信息和陰影信息。從而利用路面圖像中各種信息組成成分的形態(tài)差異性，通過形態(tài)成分分析的方法實現(xiàn)路面圖像陰影分離。通過對迭代次數(shù)、對多種路面狀況圖陰影分離和對不同形狀陰影分離的適應性的實驗結果，都證實了本文提出的路面圖陰影分離方法的有效性。

專題推薦