路面裂缝图像处理算法研究

为了避免传统人工视觉裂缝检测方法的耗力、耗时、不精确、影响交通、危险、花费高等缺点,提出了一种新的基于图像处理技术的路面裂缝类病害自动识别算法。识别分为两个步骤:首先以一个5×5的窗口为基准,在这个窗口中确定9种不同的掩膜模板,对有噪音的路面图像进行平滑和增强;然后基于阈值分割理论,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。最后对采集的200幅路面裂缝图像进行了平滑和分割试验研究,和Robison等常用的平滑模板相比,对图像进行增强的同时较好地保护了裂缝边缘。在对平滑后的图像进行分割当中,和Hough变换、数学形态学等分割算法进行了对比研究,结果表明了该算法在精度、速度和可靠性方面具有一定的优势。     

基于残差神经网络的沥青路面裂缝识别分类研究

为提高沥青路面裂缝的识别精度与速度,提出一种基于残差神经网络的沥青路面裂缝自动识别算法。首先建立沥青路面图像集,使用数据清洗算法对综合检测车采集到的裂缝图像进行数据清洗,构建沥青路面裂缝图像样本数据集,并将图像集按8∶2的比例划分为训练集和测试集;接着采用残差神经网络ResNet50对清洗后的数据进行训练,得到网络权重后使用训练好的网络对沥青路面裂缝数据进行预测,评价网络准确性。试验结果表明:沥青路面图像清洗算法的准确率为95%,能良好地实现沥青路面原始图像的清洗;裂缝图像分类的平均准确率达到94%,其中横向裂缝、纵向裂缝、龟裂、块状裂缝的识别准确率分别为96.1%、94.6%、93.6%和94.1%。     

路面裂缝检测图像处理算法的研究

采用图像滤波和图像二值化方法,分析了几种图像处理算法,实现了针对路面裂缝图像的处理分析,获得了较好的图像处理效果,着重研究了均值滤波、中值滤波、维纳滤波、直方图阈值分割法、类间方差阈值分割法等几种滤波和二值化算法.通过大量的野外试验和对实际裂缝的测量比较分析,证明该算法可以取得较好的裂缝形状,实现对路面裂缝的精确检测.     

基于视觉图像处理的路面裂缝量测算法研究

利用机器视觉图像处理方法,针对传统的人工测量高速公路路面裂缝方法的多种弊端,提出一种对高速公路路面裂缝的图像信息进行自动分析处理的新算法,采用几何学原理,将现实世界的三维坐标,投影为二维信息,通过一系列的转换,可以精确地得到裂缝的长度与面积。实验结果表明,可以较精确地测量出裂缝的长度、宽度及面积,为高速公路路面裂缝的分析和管理提供了技术基础。     

基于视觉图像处理的路面裂缝量测算法研究

利用机器视觉图像处理方法,针对传统的人工测量高速公路路面裂缝方法的多种弊端,提出一种对高速公路路面裂缝的图像信息进行自动分析处理的新算法,采用几何学原理,将现实世界的三维坐标,投影为二维信息,通过一系列的转换,可以精确地得到裂缝的长度与面积。实验结果表明,可以较精确地测量出裂缝的长度、宽度及面积,为高速公路路面裂缝的分析和管理提供了技术基础。     

基于高度差乘积的三维沥青路面裂缝识别

为了提高三维沥青路面中裂缝的提取精度与可靠性,提出了一种基于高度差乘积原理的沥青路面三维图像裂缝检测算法.首先,使用同时考虑空域和频域信息的双边滤波器对图像进行预处理,以达到平滑路面纹理并保持裂缝轮廓特征的目的;然后,利用裂缝轮廓的高-低-高程度大于纹理区域且具有较强对称性的特点,设计了一个高度差乘积算子,该算子能有效...     

基于SFO-DPC算法的三维沥青路面裂缝检测

复杂的路面纹理和噪声的影响导致现有路面裂缝检测方法有效性较低.为了提高路面裂缝检测精度,该文提出一种基于自调节步长果蝇优化密度峰值聚类(SFO-DPC)算法的三维沥青路面裂缝检测系统.首先,利用Gocator3100系列双目智能传感器构建三维图像采集系统来采集沥青路面的三维数据;然后,采用自调节步长果蝇优化密度峰值聚类...     

高速公路路面裂缝识别算法研究

经过研究给出了不均匀光照的路面裂缝图像识别的详细算法。算法采用多窗口中值滤波进行图像平滑,既能去除图像的噪声点,又较好地保留了裂缝的边缘信息;使用背景子集图像插值校正法进行灰度校正,有效地克服了不均匀成像对后期图像分割的影响;采用otsu阈值分割、形态学去噪及连通区域标记完成裂缝图像分割;选用连通区域个数、投影特征和分布密度3个参数完成裂缝分类;最后提取裂缝长度、宽度和破损面积等裂缝参数。实验结果显示分类准确率为94%,线状裂缝长度误差均值为7.2%,宽度误差均值为11.3%,非线状裂缝的面积误差均值为9.6%,表明这一方法有效、可靠。      

一种简单的基于图像处理交通信号灯识别算法

交通信号灯是智能车辆在城市环境中行驶的主要指示信号,在城市交通安全中发挥了不可或缺的作用。交通信号灯通常设在交叉口,能够供应智能车辆的方位信息,查看和辨认交通信号灯的情况是智能车辆感知的重要任务。在简单工况下,可在各种颜色空间中利用信号灯颜色的先进行分割得到兴趣区域,然后再通过信号灯所特有的形状特征等进行进一步的判定。     

基于卷积自编码的沥青路面目标与裂缝智能识别

目前基于深度学习的路面裂缝识别经常面临训练数据集小,以及路面图片标注成本高等问题,基于小规模路面图片数据集,利用卷积自编码（CAE）方法进行数据增强,开展包括路面裂缝在内的路面目标智能化识别方法研究。在传统图像几何变换数据增强的基础上,采用CAE重构图片方法对原始数据集进行两步骤扩增;利用卷积神经网络DenseNet,设置了不同数据扩增方法的对比试验;针对沥青路面裂缝图片背景较黑,裂缝特征不清晰,无监督聚类学习难度大等问题,采用了一种基于CAE预训练的深度聚类算法DCEC,对经数据增强的路面图片进行无标注的聚类识别。研究结果表明：经过DenseNet网络100代的训练,在同一测试集的测试下,基于原始数据集训练的网络分类准确度为78.43%,利用传统图像处理方法进行扩增后准确度为83.44%,利用所提出的图片增强方法进行数据扩增后准确度达87.19%;在保持扩增后数据集样本量大小相同的情况下,与几何变换、像素颜色变换等经典数据增强手段相比,CAE重构图片的数据扩增方法有较高的路面图片识别精度;CAE数据扩增方法较受训练数据集样本量的影响,利用传统方法将数据集扩增后进行CAE特征学习,重构后的图片样本更易被机器识别;相较于传统机器学习聚类算法,所提出的的DCEC深度聚类方法将聚类准确率提升了约10%,初步实现了无需人工标注的路面目标的端到端智能识别。     

数学形态学路面裂缝识别算法研究

裂缝的自动识别是公路管理和维护系统的一个重要组成部分。根据路面图像的特点,提出了一个新的基于多结构多尺度数学形态学路面裂缝自动识别算法。首先使用不断增大的结构元素对图像进行交替开闭滤波,平滑图像并去除噪音,然后使用多尺度形态学边缘检测器提取裂缝边缘,最后使用基于标记符的分水岭变换分割出裂缝对象。结果表明,和传统方法相比,文中提出的算法显示出更好的效果。     

基于图像处理的车牌识别系统设计

本论文提出了一种基于图像处理的车牌识别系统设计,系统分为三个部分,第一部分,对采集的图像进行灰度化,图像平滑,边缘检测等操作以进行预处理。第二部分,对预处理后的图片进行车牌定位,并作倾斜矫正。最后使用卷积神经网络,对车牌字符分割后提取出来单个字符的结果进行识别。     

基于灰色理论的沥青路面裂缝预测模型研究

建立有效的路面裂缝预测模型,对建立科学养护决策体系具有重要意义。该文提出一种改进的灰色理论,对理论背景值及计算公式进行讨论和改进;在对沥青路面裂缝现场实测的基础上进行分析,确定裂缝发展的影响因素;结合改进的灰色理论建立了沥青路面裂缝增长的预测模型,并与传统模型进行对比。研究表明:该文提出的模型在预测路面裂纹增长趋势的问题上有较强的适应性,并且具有精度高、收敛快、多因素关联分析等优点。在此基础上,该文提出了基于沥青路面裂缝率的路况评价指标,论证了其与常规指标的相关性,并提出了道路养护的相关建议。     

基于公路沥青路面裂缝处治影响因素研究

沥青路面开裂是一种无法彻底消除的道路损坏形式,如半刚性基层的沥青路面反射裂缝、寒冷地区的沥青路面温缩裂缝等,目前均缺乏有效的措施予以彻底避免。路面出现裂缝后,雨水、雪水等沿裂缝渗入面层、基层中,使基层甚至路基软化,造成基层、路基强度降低、路面局部或成片损坏,从而导致行车速度、舒适性和安全性迅速降低,且会降低路面寿命。深入调查分析公路沥青路面裂缝处治现状及问题分析基础上,结合当前公路沥青路面裂缝处治材料的特性,开展对公路沥青路面裂缝处治影响因素进行分析研究。     

一种基于多尺度脊边缘的沥青路面裂缝检测算法

为了提高沥青路面裂缝的检测精度,针对裂缝的复杂性和多态性,提出了一种普适性较好的基于多尺度脊边缘的沥青路面裂缝检测算法。首先,对路面不同形状裂缝的多种脊边缘特征进行分析,并对利用高斯函数及其导数检测脊边缘的原理进行了推导;其次,根据脊边缘的多尺度特性,采用多个尺度的高斯滤波器对图像中的多尺度脊边缘进行检测,并对各个尺度的检测结果进行像素级融合;然后,结合裂缝的长度、宽度、方向、连续性、线性度等特征去除伪裂缝;最后,利用最小生成树算法实现了检测图像上不同位置裂缝的连接,使得检测出的裂缝更加接近实际裂缝的形态。研究结果表明:提出的算法可以对不同形状特征、尺寸和位置的裂缝目标进行有效检测,具有较高的检测精度和较好的检测效果,且该算法抗噪性能好、通用性强,是一种具有工程应用前景的高效的沥青路面裂缝检测方法。     

沥青路面基于裂缝率的路面损坏状况研究

公路路面损坏状况快速检测设备越来越得到广泛的应用,但即使管理部门采用先进的路面损坏状况快速检测设备对路面进行检测,也仍然采用传统的病害分类方法对路面破损进行评价,无法快速对检测数据直接进行分析。因此研究裂缝率与路面损坏状况之间的关系有十分重要的意义。     

基于图像处理的桥梁混凝土裂缝检测研究进展

基于图像处理的桥梁裂缝检测技术是近年来快速发展起来的一种新型无损检测技术,具有高效、准确、智能化的特点,具有广阔的工程应用前景。对基于图像处理的裂缝检测技术中的图像识别、图像增强、图像分割、裂缝特征描述及算法进行了综述,介绍了图像处理技术在桥梁裂缝检测过程中的应用研究进展,并进一步探讨了现有裂缝图像识别算法存在的问题。     

基于YOLO v3深度学习算法的道路裂缝识别模型研究

针对道路裂缝检测识别需人工参与、传统算法识别不准确等问题,提出一种基于YOLO v3深度学习算法的道路裂缝识别方法。首先将数据集图片缩放成416×416,然后利用Labelme对数据进行裂缝标注并对边界框位置信息进行转换,最后利用YOLO v3算法框架进行模型训练。结果表明：YOLO v3算法的精确率、召回率、F1分数都大于95%,图片检测速度达到0.123 1 s/张。YOLO v3深度学习算法在精度和速度上都满足了道路裂缝实时检测的要求。     

基于数学形态学的路面裂缝图像处理技术

为精确提取路面裂缝信息,将数学形态学方法应用于路面裂缝图像的分析与处理中。首先将目标图像二值化并通过全局阈值法对其进行预处理,然后通过数学形态学的开、闭运算去除图像噪声;为修补裂缝断裂,对目标图像进行膨胀、细化循环操作;为捕获目标图像边缘的有效信息,通过形态学边缘检测算子对图像边缘进行叠加与捕获。最后,采用轮廓链码方法对检测结果进行计算。结果表明,单一纵向裂缝循环14次最佳,路面龟裂循环37次最佳。经数学形态学方法进行处理的裂缝计算结果与实际检测结果相比误差小于5%。     

基于脆性涂层法的沥青路面反射裂缝试验研究

采用脆性涂层法研究沥青路面的反射裂缝,并将试验结果与有限元计算结果进行了比较。结果表明,脆性涂层的裂纹围绕着碎石与沥青胶砂的界面发展,在该界面位置拉应力高度集中;路面基层的裂缝顶部附近发生应力集中,应力集中区的碎石与沥青胶砂界面是最容易萌发裂纹引发裂缝扩展破坏的部位;脆性涂层的裂纹分布总体是从车轮作用面向四周扩散,并围绕大粒径碎石扩展,弯拉型反射裂缝与剪切型反射裂缝涂层裂纹分布明显不同;大粒径的沥青混合料抗反射裂缝能力较强。