基于計算機視覺的路面裂紋檢測研究.pdf

1、隨著公路與鐵路事業(yè)的飛速發(fā)展，各類車輛和里程的增加，鐵路的一次次提速，都對路面產生了巨大的壓力。不論是公路路面還是鐵路路面，路面裂紋都能隨處可見，由路面裂紋造成的交通事故時有發(fā)生。研究路面裂紋檢測方法對于路面維護、交通安全具有極其重大意義。
　　近年來，路面裂紋檢測大多采用基于圖像特性的方法和基于機器學習的方法?；趫D像特性的方法包括邊緣檢測，直方圖分析和形態(tài)學方法等，這類方法雖可以達到快速檢測，但需手工設置較多閾值，對不同數(shù)據(jù)集

2、甚至同一數(shù)據(jù)集的不同圖像需要設置不同閾值，嚴重依賴于閾值的選取。而最近幾年，大量學者采用基于有監(jiān)督學習方式進行裂紋檢測，如支持向量機、神經網絡、結構化隨機森林等，這種方法一般需要先對特征進行標記，然后再通過模型進行訓練，可以大大提高裂紋檢測的準確率，但缺點是檢測效果依賴于數(shù)據(jù)集的選取，學習速度慢，因此算法難以被推廣。實際上，裂紋檢測需要同時兼顧性能和效率，為此，本文主要針對無監(jiān)督的路面裂紋檢測方法進行研究，在保證性能的前提下，提高裂紋檢

3、測的效率。
　　本文的主要工作有:
　　(1)提出了自適應的無監(jiān)督裂紋檢測方法。為了克服有監(jiān)督學習適應性和推廣能力差的問題，研究了基于塊的無監(jiān)督裂紋檢測方法，具有速度快，自適應性好，易于推廣到不同類型的線路等優(yōu)點。但是也存在著誤檢和漏檢等問題。為此，針對漏檢裂紋，提出了基于上下文信息的自適應塊裂紋檢測方法;針對誤檢裂紋，提出了基于連通區(qū)域的裂紋幾何特性分析方法。同時擴充數(shù)據(jù)集，不僅將算法應用于公路路面，還在鐵路路面數(shù)據(jù)集上進