详情

原文传递地铁隧道图像数据分析系统

论文题名：	地铁隧道图像数据分析系统
关键词：	地铁隧道;图像数据;裂缝识别;梯度决算;全局阈值
摘要：	地铁具有快捷、准时、运量大等特点，是城市轨道交通的发展方向。为保证地铁的安全运营，必须对地铁隧道进行周期性安全检测。其中隧道裂缝威胁隧道结构稳定性，需要重点进行检测。传统的隧道裂缝检测以人工检测为主，这种方式检测时间长、安全性差，主观性强，已经不能满足安全检查的实际需求。为了提高检测效率，基于图像处理的裂缝检测逐渐成为研究热点。但隧道图像数量巨大，所以这种检测方式对算法的执行效率和准确性都有极高要求。为此本文设计了地铁隧道图像数据分析系统，以并行化的处理方式分析隧道图像，高效率、高准确率的实现隧道裂缝的自动检测。　　本文分析了目前国内外裂缝识别算法的优势和不足，探究了图像并行化处理的相关技术，在这些研究的基础上，完成了以下三个内容: 　　第一，提出了一种适用于隧道图像的裂缝分类算法。　　本文首先将传统的图像预处理算法应用到隧道图像中，分析各个算法的适用性和不足，选取合适的算法并对其进行简单改进。最后选用基于梯度决算的平滑滤波、低帽变换和动态OSTU阈值分割，将灰度图像转换为二值图。改进后的预处理算法可以有效的滤除随机噪声，平衡光照并突出裂缝信息。随后特征提取中，本文提出距离直方图、样本间线性关系等4个特征变量，它们能够有效的区分二值图中裂缝与非裂缝区域。接着本文设计了阂值分类器和基于ELM的裂缝分类器。以北京地铁一号线的隧道图像作为样本，对ELM进行训练，得到良好的分类效果。最终通过仿真实验，探究本文算法的准确率和召回率。　　第二，对基于渗漏模型的裂缝搜索算法进行了改进。　　提出两步搜索的方式，首先在原有算法的基础上定义了初始点的选取规则和渗漏区域圆度的判定规则，通过计算渗漏区域的圆度，滤除水浸等大面积干扰，进一步降低误判率。其次引入概率松弛法，通过邻域关系，将原始图像转化为概率矩阵，再次进行裂缝搜索。最后，引入全局阈值，实现断裂裂缝的连接。对于搜索到的裂缝区域，本文摒弃了传统的骨架提取方法，采用了微分和邻域扩张的思想来计算裂缝的长度和宽度。　　第三，实现了裂缝识别的分布式处理。　　本文通过研究HIPI-Hadoop图像视觉库，结合MapReduce分布式框架，将图像分析过程划分为图像转存、裂缝识别和裂缝信息统计三个阶段，分别设计各个阶段的Map和Reduce处理函数，最后对其性能进行了测试，当图像数目不断增加时，分布式处理效率远远高于单机处理。
作者：	亓大鹏
专业：	通信与信息系统
导师：	何德全;刘云
授予学位：	硕士
授予学位单位：	北京交通大学
学位年度：	2016
正文语种：	中文