路面圖像的分類識別.pdf

1、路面破損圖像識別是圖像處理和模式識別研究中的熱點(diǎn)問題，近年來受到越來越多研究者的重視[1]。本文主要內(nèi)容就是圍繞路面破損圖像的識別問題，研究各種破損圖像的分類識別技術(shù)。通過對公路路面上可能出現(xiàn)的各種破損現(xiàn)象進(jìn)行歸納和分析，研究它們出現(xiàn)的原因；在破損二值圖像的基礎(chǔ)上，提取圖像的特征使用分類器來對裂縫進(jìn)行分類。本文的主要研究成果包括：
　　 1)提出基于破損圖像的線性特征、結(jié)構(gòu)特征和分形維數(shù)特征的提取方法。在傳統(tǒng)的圖像識別中，提取的

2、圖像特征并不能對路面破損圖像進(jìn)行全面的描述，對破損圖像的識別效果達(dá)不到人們的要求。本文認(rèn)為提取的破損圖像的特征應(yīng)該更加緊密的同圖像中的破損情況密切相關(guān)，在這種思想下，本文提取破損的線性特征、結(jié)構(gòu)特征和分形維數(shù)特征對圖像進(jìn)行識別，并和傳統(tǒng)的特征提取方法Proximity算法、密度因子算法作比較，結(jié)果證實(shí)新的特征提取方法具有較好的適應(yīng)能力和識別效果。
　　 2)在分類器的設(shè)計(jì)方面，本文主要使用支持向量機(jī)來設(shè)計(jì)分類器，并在論文中討論了

3、它的優(yōu)缺點(diǎn)。針對分類器的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，分析了支持向量機(jī)的主要參數(shù)對優(yōu)化性能的影響。在提高分類器的識別效果的理論指導(dǎo)下，將遺傳算法和支持向量機(jī)方法進(jìn)行了有效的結(jié)合。實(shí)驗(yàn)表明，遺傳算法和支持向量機(jī)相結(jié)合的方法能夠進(jìn)一步的提高識別破損圖像的準(zhǔn)確率和魯棒性。
　　 3)通過對真實(shí)路面裂縫進(jìn)行采集并得到相應(yīng)的路面裂縫圖像。對這些圖像進(jìn)行特征提取，然后分別建立神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)分類器模型并對采集到的圖像進(jìn)行分類，通過多次實(shí)驗(yàn)，結(jié)果顯示在訓(xùn)