基于半監(jiān)督學(xué)習(xí)的路面病害檢測(cè)與分類算法研究.pdf

1、基于人工視覺(jué)的傳統(tǒng)路面病害檢測(cè)分類方法耗時(shí)、耗力、花費(fèi)高、危險(xiǎn)且影響交通,已很難適應(yīng)現(xiàn)代化路網(wǎng)規(guī)模的快速發(fā)展。近年來(lái),為克服傳統(tǒng)路面病害檢測(cè)分類方法的局限性,同時(shí)為適應(yīng)現(xiàn)代化大規(guī)模的公路養(yǎng)護(hù)需求,許多專家嘗試研究智能的路面病害檢測(cè)分類系統(tǒng),因此路面圖像預(yù)處理、病害檢測(cè)和病害分類成為了公路交通科技和模式識(shí)別領(lǐng)域的研究熱點(diǎn)。
　　本文運(yùn)用圖像處理和模式識(shí)別技術(shù),完成了路面圖像預(yù)處理、病害檢測(cè)和病害分類算法。具體研究?jī)?nèi)容如下:
　

2、　(1)探索合適的路面圖像預(yù)處理算法。由于路面圖像相比其他圖像更為復(fù)雜,常規(guī)的圖像預(yù)處理算法不一定能突顯路面病害信息,因此有必要探索出適合路面圖像特點(diǎn)的預(yù)處理算法。
　　(2)提取路面圖像特征,并在此基礎(chǔ)上探索路面病害檢測(cè)算法。在路面圖像預(yù)處理后,提取具有強(qiáng)表征能力的路面圖像特征,并在此基礎(chǔ)上討論基于Radon變換的路面病害檢測(cè)算法。
　　(3)研究基于半監(jiān)督學(xué)習(xí)的路面病害自動(dòng)分類算法,將它與基于支持向量機(jī)的分類算法進(jìn)行性能

3、比較。因路面病害現(xiàn)象隨機(jī)發(fā)生,部分類別樣本數(shù)量非常少,而半監(jiān)督學(xué)習(xí)思想只需利用對(duì)少量樣本進(jìn)行學(xué)習(xí)訓(xùn)練,因此有必要嘗試探討基于半監(jiān)督學(xué)習(xí)的路面病害自動(dòng)分類算法。
　　本文采用的路面圖像數(shù)據(jù)均來(lái)源于江西省天馳高速科技發(fā)展有限公司。采用的路面圖像預(yù)處理算法能有效突出路面病害信息?；赗adon變換的病害檢測(cè)算法的檢測(cè)準(zhǔn)確率高達(dá)97％。對(duì)比基于半監(jiān)督學(xué)習(xí)和基于支持向量機(jī)的兩種病害自動(dòng)分類算法的性能,結(jié)果表明基于半監(jiān)督學(xué)習(xí)的病害分類算法性能