基于神经网络的沥青路面破损图像识别研究

提出了一种减少沥青路面破损图像识别计算量的图像分割方法.将路面图像等分为64×64像素的子块图像,并用灰度方差值描述子块图像特征.设计了基于BP神经网络的子块图像模式分类器,利用子块图像模式分类结果所组成的矩阵作为路面破损图像分割结果.并将路面破损图像子块分布特征作为路面破损图像的整体特征,在此基础上设计了基于全局优化算法的路面破损前馈神经网络分类器.最后进行了路面破损图像识别试验,识别率达到96.7%.     

三种路面破损分类算法的仿真比较

路面破损分类是制约路面破损自动检测的发展和普及的重要因素之一。本文在前文提出的破损密度方法的基础上，提炼出两种基于密度因子方法的算法——基本密度因子算法和方向密度因子算法，并通过仿真，验证了其对常见的5种路面破损类型进行分类的可行性。文中作为对照的方法是由美国Lee，Byoung Jik博士提供的PROXIMITY算法。仿真结果表明：1)三种路面破损分类算法中，方向密度因子算法对5种常见路面破损类型的整体识别效果最好；2)对于常规算法最难区分的块状裂缝和龟状裂缝，基本密度因子的算法的识别效果最好。这充分验证了前文中我们提出的基于破损密度因子的路面破损分类方法的可行性和优越性。     

基于像素-亚像素级形态分析的路面三维图像裂缝自动识别算法

为了准确有效地检测路面裂缝,为路面性能评估、路面养护管理、路面结构和材料设计提供数据支撑,针对1 mm/像素路面三维图像提出了基于像素-亚像素级形态分析的裂缝自动识别算法。首先,应用Canny算法和区域生长算法检测候选裂缝目标并进行融合处理,得到融合分割图像;然后,提取并重构像素级与亚像素级图像骨架;最后,融合像素-亚像素级骨架图像,综合利用形态学算子和轮廓长度、圆度、扁平率等连通域形态特征提取裂缝目标。基于150张路面三维图像(992像素×992像素)对笔者算法和另外5种既有算法进行测试,结果显示,笔者算法获得了较高的准确率(均值90.45%)和召回率(均值96.49%),F均值由高至低分别为:笔者算法(90.72%)、种子并行生长算法(39.65%)、GAVILáN算法(33.46%)、各向异性测度算法(30.32%)、Canny检测(25.85%)和OTSU分割法(5.85%)。算法适用性分析表明,笔者算法较适用于细小裂缝图像识别,种子并行生长算法、GAVILáN算法和各向异性测度算法有利于宽而明显的裂缝识别,而Canny和OTSU通常可作为裂缝识别算法中的一个图像处理环节。     

交通事件视频图像自动识别系统的研究

如何有效利用高速公路视频图像信息,实时全天候自动智能检测交通事件,提升交通管理部门应急处置能效,是当前公路视频监控亟需解决的问题．本文基于视频图像处理技术,开展交通事件自动识别算法和系统的研究：采用中值滤波、亮度缩放等图像预处理方法,提取交通视频图像的前景目标边界并抑制噪声;基于灰度阈值化方法,对车辆前景进行二值化分割处理;提出一种二值化场景图像连通区域标定算法,对交通事件前景目标进行特征提取与检测识别,并基于上述算法和识别流程开发了交通事件视频自动识别系统．试验表明,该系统对噪声干扰抑制能力较强,识别准确率较高．     

基于形态学梯度分割的低对比度路面裂缝自动识别方法研究

针对目前路面裂缝的检测效率低、裂缝识别的主观性强、在低对比度下不易辨识等问题，提出了基于形态学梯度分割的低对比度路面裂缝自动识别方法，通过分析路面裂缝形成的原因研究了摄像头拍摄情况下的路面图像预处理方法及达到的效果，研究了形态学梯度检测中的Sobel算子方法在路面裂缝中的应用，通过实际采集的低对比度路面单裂缝与复杂背景下路面多裂缝图像进行算法测试，试验结果验证了提出方法的有效性。     

基于各向异性测度的路面三维图像裂缝识别

为准确而完整地识别路面裂缝,提出了基于1 mm/像素的路面三维图像裂缝自动识别算法．该算法主要包括各向异性测度计算与自适应优化阈值分割、深度验证和多分辨率去噪处理3个部分．首先,针对路面图像像素特征,基于0°、45°、90°和135°四个方向的线性邻域的均值和标准差计算每个像素的各向异性测度（表征方向性的强弱）,并应用最大类间方差法确定最优阈值,将路面图像分为强方向性和弱方向性像素两类;其次,根据半径为d的正方形邻域深度均值设定阈值,用方向性强且深度低于或等于该阈值的像素形成初步的裂缝图像;最后,将裂缝图像划分为多个子块,设计去噪模板对裂缝图像进行滑动窗口去噪处理,获得最终裂缝图像．基于166幅含有各类裂缝的三维路面图像（2048×2048像素）进行测试分析,结果显示,本文算法获得了较高的准确率（均值91．57％）和召回率（均值81．29％）,最终以84．26％的F1均值优于种子识别算法（F1均值69．19％）、Canny边缘检测（F1均值8．15％）和OTSU分割（F1均值5．11％）．     

基于图像处理的路面裂缝识别研究

传统的人工视觉检测裂缝方法具有耗力、耗时、不精确、影响交通、危险、花费高等缺点。这里介绍一种基于图像处理的路面裂缝类病害自动识别方法。首先使用一种掩膜平滑法,对有大量噪音的路面图像进行增强,再采用最大类间、类内距离准则对图像进行阈值分割,提取图像上的裂缝特征,实验结果表明了该方法的有效性。     

基于图像处理的路面裂缝识别研究

传统的人工视觉检测裂缝方法具有耗力、耗时、不精确、影响交通、危险、花费高等缺点。这里介绍一种基于图像处理的路面裂缝类病害自动识别方法。首先使用一种掩膜平滑法,对有大量噪音的路面图像进行增强,再采用最大类间、类内距离准则对图像进行阈值分割,提取图像上的裂缝特征,实验结果表明了该方法的有效性。     

基于行车记录仪的高速公路路面状况巡查及报警系统

为解决目前路面破损状态自动检测采用专用摄影检测车检测费用高、检测结果需要专业软件分析不易普及应用的问题,提出一种基于行车记录仪的路面破损状况识别方法。以行车记录仪采集的视频图片、GPS数据为基础,建立基于行车记录仪图片的高速公路路面状况巡查及报警系统,实现路面破损状况识别及报警。系统利用行车记录仪采集的图片,基于卷积神经网络的深度学习算法,实现路面的破损自动识别;利用行车记录仪GPS定位数据以及GIS电子地图,实现行车记录仪图片的GIS地图实时显示及报警。     

基于三维光影模型的公路路面裂缝自动识别算法

针对公路路面裂缝的自动化三维图像识别技术的研究热点问题,为有效提高裂缝识别算法的准确率与可靠性,基于三维图像提出利用三维光影模型(3D Shadow Modeling)来实现公路路面表面裂缝的自动识别新方法.该方法利用裂缝区高度低于周边高度的特性,通过三维光影模型将裂缝投影为阴影区,继而通过对阴影的形态分析来识别裂缝,并采用连通域分析与线性形态分析方法,消除图像噪声.研究结果表明,采用本文提出的裂缝自动识别算法可以达到92.93%的路面裂缝自动识别准确率.     

基于多特征检验的三维沥青路面裂缝检测

针对由裂缝对比度低、路面纹理复杂多变等因素引起的沥青路面三维图像的裂缝检测精度低的问题，对原始三维裂缝图像进行尺寸降维、灰度校正、高斯滤波等预处理；然后以图像截面为研究对象，分别对4个方向的截面依次进行特别设计的倾斜度、高斯分布、边缘梯度3种特征检验，从而获得裂缝截面；接着对各个方向的裂缝截面进行融合和去噪，获得完整的裂缝二值图像；最后，根据路面粗糙度的高低，变化高斯分布特征检验中的相关参数，实现裂缝的高精度检测. 研究结果表明:提出的算法能达到89.19%的准确率、93.69%的召回率及91.06%的 F 值，优于基于三维光影、种子识别的典型三维图像裂缝检测方法.      

基于改进Canny算法的道路标线自动识别及定位

在自动化道路病害检测过程中,检测车的横向偏移会导致路面病害横向定位的误差,通过边缘检测算法对标线进行自动识别及定位,可消除病害横向定位的误差. 但传统Canny边缘检测算法存在对标线边缘识别不全,噪声、伪边缘较多的问题. 因此本文对Canny算法进行改进:采用维纳滤波替代高斯滤波以滤除噪声;利用OTSU法自适应地选取图像阈值;提出划定准偏区域以滤除路面干扰并提高边缘完整识别率. 研究结果表明:与其他边缘检测算法相比,该算法检测出的边缘像素总数分布在900～2 000,与标准值1 352较为符合,8连通域数与边缘像素总数、4连通域数的比值分别分布在0～0.04和0～0.29,在抑制噪声、剔除伪边缘及路面干扰、边缘识别连续性和单一边缘响应方面实际应用效果较好;人工法验证结果表明该算法定位标线结果与实际值的吻合度高达99%,可在同步采集的3D激光图像上进行路面病害横向定位.      

基于深度图像的机场道面裂缝自动检测算法

为了实现强噪声、弱光照、低对比度条件下的机场道面细小裂缝检测, 设计了基于深度图像的机场道面裂缝检测算法; 将采集到的深度图像划分成多个网格, 并对每个网格进行扩充, 获得了局部道面区域; 针对每个网格区域, 基于随机抽样一致算法进行局部三次曲面构建和优化估计; 在此基础上, 在全局尺度下融合全部网格区域的曲面模型, 生成整个图像采集区域道面的全局曲面模型; 利用全局曲面模型与原始深度图像之间的差值图像, 采用自适应阈值方法分割出候选裂缝像素, 并利用裂缝的像素总数、长度以及长宽比等多种形态学约束筛选候选裂缝像素, 去除错误的候选裂缝像素, 从而获得了最终的裂缝检测结果; 在机场道面深度图像数据集上进行了试验, 以人工标注结果作为真实值, 以准确率、召回率以及F值作为量化评估指标, 将提出的算法分别与4种有代表性的传统算法进行了对比。试验结果表明: 传统算法能够取得的最高准确率、召回率以及F值分别为77.05%、41.02%和50.02%, 提出的算法在准确率、召回率和F值3个指标上均有明显优势, 其均值分别为91.20%、97.99%和94.12%;提出的算法能够在分辨率为1 984像素×2 000像素的深度图像上检测出最小宽度为3 mm、最小长度为10 cm的裂缝, 实现了在复杂机场道面场景中识别细小裂缝的目标。      

沥青路面表面纹理三维高精度激光非接触式检测

为实现沥青路面纹理构造高精度自动检测，借助三维激光技术实现路面纹理三维重构，提出模拟铺砂的沥青路面构造深度测量方法. 首先采用高精度三维激光扫描仪获取雅康高速公路沥青路面0.1 mm精度三维高程数据，同时人工铺砂法获取对应区域的宏观构造深度值；其次通过数字图像处理技术实现重构沥青路面三维云图并进行数据噪声处理；最后设计四连通多种子组合填充算法，实现在滤波后的三维路面纹理云图上自动铺砂并获取路面纹理宏观构造深度值. 研究结果表明:模拟铺砂测量方法与人工铺砂法测量的平均构造深度（MTD，M)的平均绝对误差为0.052 mm，两者相关系数为0.96. 研究成果验证了用非接触式路面纹理测试替代现有的接触式路面摩擦性能测试的可行性，为道路交通安全网级监测与管理奠定基础.      

国外路面自动检测系统发展综述

通过详细阐述国外公路路面自动检测系统发展的历程,并对有代表性的检测系统进行详细的介绍,指出存在的不足,同时对国外路面破损自动检测技术未来的发展趋势进行探讨,对路面自动检测系统理论研究及应用均有参考价值。     

多尺度特征增强的路面裂缝检测方法

针对路面裂缝检测不完整和分割出现断裂的问题，提出了一种多尺度特征增强的路面裂缝检测网络MFENet,实现端到端的路面裂缝图像检测、分类和分割处理；设计了多尺度注意力特征增强模块，建立了网络模型的上层多尺度特征通道与底层特征通道权重系数之间的映射关系，以提升有效通道的特征输出；基于路面裂缝的坐标信息和像素语义信息在物理位置上的相关性，设计了多语义特征关联模块，实现不同语义信息之间的特征融合增强，并通过特征维度转换实现对路面裂缝图像的前景特征过滤；提出了一种针对深度特征强度进行量化评估的方法，用于提升模型提取特征能力的可解释性。在自采集数据集上的研究结果表明：MFENet对路面裂缝图像检测的平均精准率和平均召回率相比Mask R-CNN分别提升了4.3%和5.4%,相比基线模型RDSNet分别提升了14.6%和14.3%;MFENet对路面裂缝图像分割的平均精准率和平均召回率相比Mask R-CNN分别提升了6.6%和8.8%,相比RDSNet分别提升了8.1%和9.7%;与Mask R-CNN等主流方法相比，MFENet对不同类型路面裂缝图像的检测、分割精度最高。在公开数据集(CFD、C...     

基于头脑风暴优化的PCNN路面裂缝分割算法

为提升裂缝检测的分割精度和鲁棒性,基于头脑风暴优化（brainstorming optimization,BSO）和脉冲耦合神经网络（pulse coupled neural network,PCNN）,提出了一种路面裂缝图像分割算法（BSO-PCNN）. 该算法采用最大熵准则作为BSO算法的适应度函数,并依据适应度值决定参与次轮迭代的个体;BSO具有强收敛性,可快速确定最优个体解;结合图像特征,获得PCNN模型的最优参数,将其代入PCNN模型实现对裂缝图像的分割. 试验结果表明:算法可在20次迭代内取得不同类型路面裂缝图像的最大适应值,从而确定最佳分割参数;与Sobel边缘检测算法、PCNN图像分割算法、基于最大熵的遗传算法（genetic algorithm based on the maximun entropy of the histogram,GA-KSW）、基于遗传算法参数优化的PCNN分割算法（genetic algorithm based on the pulse coupled neural network,GA-PCNN）相比,BSO-PCNN算法取得了0.9924的区域一致性与0.0900的区域对比度.      

隧道掌子面岩体裂隙快速识别方法

隧道掌子面上含有许多地质信息,若能充分提取和分析,将有助于对隧道工程地质状态作出评价,用于指导隧道设计和施工. 以隧道掌子面数码图像为基础,对掌子面上岩体裂隙检测、提取、分组算法进行研究. 首先,基于数字图像处理技术对掌子面岩体裂隙目标分割算法进行分析,根据分割结果,通过图像细化和边界线拟和、分离、合并、过滤,连接不连续边界,过滤短边界,形成较完整的岩体边界线识别结果;然后,计算岩体边界线视倾角,将视倾角相近的边界线合并为一组,实现对裂隙边界线的自动分组;最后,将本方法应用于实际掌子面岩体图像测试其有效性. 测试结果表明:该方法基本实现了对掌子面上岩体裂隙的自动提取和分组;对具有明显裂隙的掌子面岩体,本算法能较完整的提取出岩体裂隙,错误提取率不超过10%,并实现了自动分组,自动分组错误率不超过5%,提高了掌子面岩体分析的自动化程度,可用于地质素描,并为掌子面围岩分级提供参考依据.