原文传递
基于流形学习的路面破损图像多特征融合方法
| 论文题名： | 基于流形学习的路面破损图像多特征融合方法 |
| 关键词： | 流形学习;多特征融合;路面破损;图像识别;特征提取 |
| 摘要： | 随着公路交通建设的快速发展，道路的维护与管理问题日益突出，人工检测方法已经不能满足道路交通发展的要求。近年来，图像处理技术不断发展，基于图像处理的路面破损图像自动检测方法也不断涌现。在路面破损图像识别过程中，受到路面图像噪声以及特征提取方法局限性等因素的影响，使得单一特征很难充分描述路面破损图像的全部信息，而且特征的物理意义也不太明显。多种特征的线性组合虽然在一定程度上提高了识别精度，但忽视了非线性的特征信息，丢失了多特征间的内在联系，同时增加了特征数据的维数，可能会导致维数灾难。针对路面破损图像自动识别中单一特征的局限性和多特征融合问题，提出了一种基于流形学习的多特征融合方法，利用流形学习方法将二维投影、混合密度因子和二阶不变矩三种特征组合后的高维数据映射到低维空间中，提取出路面破损图像的本质特征，实现多特征融合，提高了识别精度，并实现了路面破损图像在二维空间中的可视化。本文的主要研究工作如下： （1）提出一种基于流形学习的路面破损图像多特征融合方法。利用流形学习方法融合多种路面破损图像特征，挖掘出多种特征之间的内在联系，避免组合多种特征导致的维数灾难问题。实验结果表明，在利用流形学习融合后的特征上分类，其分类精度高于直接对组合特征的分类精度。 （2）针对高维空间中欧氏距离往往不能真实地反映样本间相似性的问题，在流形学习方法中使用直方图相交距离替代欧式距离来计算每个路面破损图像样本的k个近邻。实验结果表明，使用相交距离作为路面破损图像样本间距离度量措施，其识别精度高于欧式距离。 （3）利用基于相交距离的LE方法对三种路面破损图像特征进行融合，得到降维后的路面图像特征，对2维特征进行可视化投影，分析其物理含义。经过研究发现，一维特征表示了路面裂缝的复杂程度和破损程度，另一维特征表示了裂缝的方向。 |
| 作者： | 周浩 |
| 专业： | 软件工程 |
| 导师： | 石陆魁 |
| 授予学位： | 硕士 |
| 授予学位单位： | 河北工业大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
