详情

原文传递道路裂缝图像识别的算法研究

论文题名：	道路裂缝图像识别的算法研究
关键词：	道路裂缝检测;图像识别;自动分割;最小误差准则;脉冲门限
摘要：	我国公路的发展一日千里。道路质量的及时检测在延长道路使用寿命的同时，也可以避免路面病害给行车安全方面带来的隐患。考虑到人工检测方法存在效率低、精度低、危险系数较高等缺陷，路面裂缝的自动检测系统成为道路养护方向的热点研究问题，而裂缝自动检测算法则为自动检测系统的核心内容。依据国内外已有的道路裂缝检测相关算法，本文对裂缝检测算法进行了研究与设计。　　首先，单纯地从对裂缝图像进行裂缝检测的角度出发，需要对传统的脉冲耦合神经网络(PCNN)模型进行简化改进，这不仅可以降低传统PCNN在模拟过程中的计算复杂度，而且保留了其原有的神经元运行特征，使其可以应用于裂缝图像的目标检测。针对PCNN无法确定裂缝图像的最优检测以及脉冲门限具有非线性因子的问题，提出了一种基于遗传算法(GA)和简化PCNN的裂缝图像检测方法—GA-PCNN。该方法采用改进后的最小误差准则作为遗传算法的适应度函数，并且根据遗传算法具有全局最优解的特点确定简化PCNN中各因子的值，实现了简化PCNN的裂缝图像自动分割。　　在使用GA-PCNN算法对裂缝图像进行处理后，通过一种形态学的抗噪多结构元素边缘提取算子对其裂缝边缘进行提取，然后使用一种基于生长的连接方法对断裂的裂缝块进行边缘连接。基于MATLAB R2009a平台对本文算法进行实验仿真，通过与不同的检测方法进行比较，以区域对比度、ROC曲线这些客观指标为基准对其性能进行分析。分析结果表明，该方法对裂缝图像检测具有较好的有效性与通用性。　　最后，对利用上述方法得到的裂缝目标图像，进行裂缝特征信息的提取、分类及计算。经过对检测后的图像设置一系列判定条件，提取图像中连通域信息；同时通过观察裂缝在坐标轴投影所呈现的特点，对目标裂缝进行分类；通过细化的方法提取裂缝骨架，并对目标裂缝的面积及长度、宽度信息进行计算。
作者：	宰柯楠
专业：	计算机科学与技术
导师：	徐江峰
授予学位：	硕士
授予学位单位：	郑州大学
学位年度：	2017
正文语种：	中文