路面破损图像自动识别关键技术研究.pdf

附件详情

路面破损图像自动识别关键技术研究 学科专业：交通信息工程及控制 授予学位：博士 学位授予单位：东南大学 学位年度：2004
传统的人工检测路面破损的方法存在很多缺点，愈来愈不能适应高速公路发展的要求，迫切需要实现路面状况的自动检测。现有的路面破损状况自动检测设备能够较好地识别路面有无破损，但对路面破损的分类还存在问题。
本论文主要针对路面破损分类这一难题展开研究。通过对五种常见路面破损图像特征的分析，首次提出了破损密度因子的概念，并对其基本形式进行了定义，同时定义了破损密度因子与路面子块图像进行运算的方式。在此基础上，提出了一种路面破损特征提取新方法，即用破损密度因子对路面破损图像进行特征提取的方法。该方法先将路面破损图像等分为一定大小的子块图像，然后对子块图像进行模式分类，分类结果组成的矩阵作为路面破损图像的整体特征。
在对路面破损图像分析的基础上，进一步对算法的可扩展性进行了研究。研究密度因子的结构对各类路面破损图像识别的影响，以及密度因子的规模大小与其对路面破损图像表征程度的关系，最终设计出三种不同结构的密度因子，并提取了路面破损图像的特征量，从而得到基于密度因子的三种路面破损分类算法，即基本密度因子算法、方向密度因子算法和混合密度因子算法，这表明本文提出的基于密度因子的破损分类算法具有良好的可扩展性。
为了验证基于密度因子的三种路面破损分类算法的有效性，本文采用BP神经网络对三种算法进行了仿真研究，仿真结果表明，基于密度因子的三种路面破损分类算法对常见路面破损图像分类是非常有效的，混合密度因子算法是这三种算法中识别率最高的一种。
论文的研究成果为解决路面破损图像自动分类这一难题提供了一种崭新的方法。