学位论文 > 优秀研究生学位论文题录展示

基于图像的路面破损识别

作　者: 李国燕
导　师: 顾军华
学　校: 河北工业大学
专　业: 模式识别与智能系统
关键词: 路面破损自动分类 特征提取 支持向量机 核函数
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 123次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着图像处理技术的深入发展,将这些新的技术应用于公路路面破损的检测,既可以解放劳动力,排除人的主观因素的干扰,又能快速而准确地进行公路路况的评价,具有重要的实用价值。本文基于路面破损二值图像,研究基于图像的路面破损自动识别方法,主要涉及两点:路面破损图像的特征提取方法;分类器的选择。在路面破损识别中,如何使破损类型特征化是实现实时、准确识别图像的关键。本文综合考虑路面破损图像的结构特征和统计特征,对现有的特征提取方法进行改进,选择路面子块图像在水平和垂直方向的差分向量、3×3,5×5密度因子与对应的路面图像的卷积、裂缝子块数作为提取的特征向量。支持向量机(Support Vector Machine,SVM)方法是建立在统计学习理论的VC维理论和结构风险最小原则基础之上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,能够获得最好的推广能力,有效解决神经网络过学习现象;模型求解最终体现在一个二次规划问题上,从理论上讲,可以得到全局最优解,解决了在神经网络方法中无法避免的局部极值问题。基于此,论文选择支持向量机作为分类器,通过试验选择径向基核函数。分类输出横向裂缝、纵向裂缝、龟状裂缝、块状裂缝、无裂缝五种路面破损类型。本文立足于路面二值图像破损特征提取和分类器选择两方面问题,阐述了传统的方法的缺陷,对其加以改进,选择实际和生成的路面图像作为训练和测试样本,用Matlab仿真试验。首先考虑了在BP神经网络分类器下和其他特征提取方法进行实验对比,再次考虑了在本文提出的特征提取方法下选择支持向量机和BP神经网络作对比。实验证明均提高识别精度、识别效率及其鲁棒性。

全文目录


摘要  4-5
ABSTRACT  5-9
第一章 绪论  9-18
  1-1 课题的来源及研究目的  9-10
    1-1-1 课题的来源  9
    1-1-2 研究的目的  9-10
  1-2 公路路面裂缝自动检测发展状况  10-16
    1-2-1 国外研究现状及其发展  10-13
    1-2-2 国内研究现状及其发展  13-16
  1-3 论文研究的内容  16
  1-4 论文的内容安排  16-18
第二章 公路路面破损分析  18-29
  2-1 引言  18
  2-2 公路路面破损分类  18-21
    2-2-1 路面破损类型简介  18
    2-2-2 路面裂缝破损  18-21
  2-3 公路路面破损评价方法  21-23
    2-3-1 路面破损评价指标  21-22
    2-3-2路面损坏分级  22-23
  2-4 公路裂缝图像训练样本的产生  23-28
    2-4-1 数据集A  24-27
    2-4-2 数据集B  27-28
    2-4-3 数据集C  28
  2-5 本章小结  28-29
第三章 公路路面破损图像预处理  29-39
  3-1 引言  29
  3-2 图像增强  29-33
    3-2-1 直方图均衡化  29-30
    3-2-2 中值滤波  30-31
    3-2-3 基于模糊理论的图像增强方法  31-33
  3-3 图像分割  33-36
    3-3-1 Otsu 法(最大类间方差法)  34
    3-3-2 最大方差比阈值法  34-36
  3-4 二值图像噪声的消除  36-38
  3-5 本章小结  38-39
第四章 路面破损图像特征提取  39-49
  4-1 引言  39
  4-2 现有的路面破损提取方法  39-44
    4-2-1 基于破损投影理论  39-40
    4-2-2 基于裂缝本身线性特征  40
    4-2-3 Proximity算法  40-41
    4-2-4 破损密度因子  41-43
    4-2-5 不变矩特征  43-44
    4-2-6 基于分形的特征提取  44
  4-3 图像特征向量的提取  44-48
    4-3-1图像特征的选取  45
    4-3-2仿真试验结果及分析  45-48
  4-4 本章小结  48-49
第五章 基于支持向量机的路面破损图像分类  49-61
  5-1 引言  49-50
  5-2 统计学习理论  50-54
    5-2-1 统计学习理论概述  50-51
    5-2-2 学习过程一致性  51-52
    5-2-3 VC维  52
    5-2-4 推广能力的界与结构风险最小化原则  52-54
  5-3 支持向量机  54-57
    5-3-1 线性可分  54-55
    5-3-2 非线性可分  55
    5-3-3 核函数  55-57
  5-4 路面破损图像分类  57-60
    5-4-1 SVMlight 分类算法  57-58
    5-4-2 SVM 分类识别实验及结果  58-60
  5-5 本章小结  60-61
第六章 总结与展望  61-62
参考文献  62-65
致谢  65-66
攻读学位期间所取得的相关科研成果  66

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  3. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  4. 地波辐射源的调制类型识别与参数估计,TN957.51
  5. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  6. 音乐结构自动分析研究,TN912.3
  7. 基于三维重建的焊点质量分类方法研究,TP391.41
  8. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  9. Q学习在基于内容图像检索技术中的应用,TP391.41
  10. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  11. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  12. 空间交会接近视觉测量方法研究,TP391.41
  13. 图像实时采集、存储与处理方法研究,TP391.41
  14. 唇读中的特征提取、选择与融合,TP391.41
  15. 基于SVM的中医舌色苔色分类方法研究,TP391.41
  16. 多币种纸币处理技术的研究与实现,TP391.41
  17. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  18. 移动机器人视觉检测和跟踪研究,TP242.62
  19. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  20. 基于支持向量机的故障诊断方法研究,TP18

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com