路面裂縫圖像檢測(cè)和分類研究.pdf

1、基于數(shù)字圖像處理的裂縫檢測(cè)在瀝青路面病害養(yǎng)護(hù)中得到了越來越廣泛的應(yīng)用，但鑒于路面裂縫圖像的復(fù)雜性，裂縫檢測(cè)和分類的效果很難達(dá)到較高的精確度。因此，針對(duì)路面裂縫檢測(cè)系統(tǒng)中裂縫提取和分類算法上存在的缺點(diǎn)和不足，本文進(jìn)行了深入的研究。
　　路面裂縫圖片提取后常常容易出現(xiàn)裂縫斷裂、不完整的現(xiàn)象，而傳統(tǒng)的分水嶺算法具有保持微弱邊緣信息良好的優(yōu)點(diǎn)，于是本文將分水嶺算法應(yīng)用到路面裂縫提取中，同時(shí)，為了克服裂縫提取后出現(xiàn)的過分割問題，又因?yàn)樵诮y(tǒng)計(jì)

2、中發(fā)現(xiàn)，路面裂縫圖像中灰度變化陡峭區(qū)域的面積占總面積比例較少，根據(jù)這一特點(diǎn)，本文提出了梯度熵的概念，并將計(jì)算區(qū)域合并后梯度熵的增減作為判斷區(qū)域合并的準(zhǔn)則，結(jié)合該準(zhǔn)則設(shè)計(jì)了分水嶺邊緣分割閾值的自適應(yīng)計(jì)算方法，有效地解決了裂縫圖像提取的過分割問題。
　　BP神經(jīng)網(wǎng)絡(luò)以其強(qiáng)大的模式識(shí)別能力在路面裂縫分類上得到了廣泛的應(yīng)用，本文針對(duì)路面裂縫分類過程中網(wǎng)絡(luò)訓(xùn)練速度慢，誤差大且易陷入局部極小值等缺點(diǎn)，設(shè)計(jì)并改進(jìn)了復(fù)合誤差函數(shù)來代替?zhèn)鹘y(tǒng)的全局均