详情

原文传递基于支持向量机的跨座式单轨交通PC轨道梁面裂纹检测系统研究

论文题名：	基于支持向量机的跨座式单轨交通PC轨道梁面裂纹检测系统研究
关键词：	裂纹检测;稀疏表示;支持向量机;稠密尺度;单轨交通PC轨道
摘要：	随着城市人口密度的剧增和出行频率的增加，交通压力越来越大。目前，缓解交通压力的一个有效方式是发展轨道交通。重庆市在轨道交通领域进行了诸多探索，因地制宜地建立了以跨座式单轨为主的轨道交通网。其中，预应力混凝土(PC)轨道梁作为跨座式单轨交通的重要支撑，其表面的裂纹等缺陷会直接威胁整个交通线的运营安全，因此对轨道梁裂纹缺陷的检测十分重要。目前轨道梁裂纹检测方法主要为人工检测，但是人工检测方法存在效率低、误差大等缺点。因此，研发有效的自动检测系统迫在眉睫。本文从裂纹自动检测系统框架结构着手，对裂纹图像的预处理、快速识别、裂纹分割和分析等方面进行了深入研究，最后构建了一套可行的自动检测分析系统。主要研究工作如下：　　①构建了系统的整体框架。本系统框架主要包括裂纹自动检测和裂纹信息查询两个模块。自动检测模块包括图像预处理、裂纹图像快速识别、裂纹分割、参数计算等；裂纹信息查询包括裂纹图像和裂纹参数的显示。　　②由于轨道梁图像包含有非目标区域，因此本文根据灰度值统计方法对图像进行裁剪，去除非目标区域。由于图像尺寸较大，为了方便后期处理，将裁剪后的图像进一步划分成200200图像子块。　　③轨道梁梁面噪声和摄像头内部噪声等导致轨道梁裂纹图像边缘模糊，为后期的处理增加了困难。针对这个问题，本文采用了稀疏表示和字典学习的方法对轨道梁图像进行去噪处理。该方法首先利用K-SVD算法对裂纹区域和非裂纹区域分别学习字典，将二者组成联合字典；然后使用该联合字典对轨道梁图像进行稀疏分解，稀疏成分包含有用信息，残差成分主要包含噪声信息；最后去除残差并用稀疏成分重构原图从而达到去噪的效果。　　④根据轨道梁裂纹图像的特点，本文采用稠密尺度不变特征转换（dense SIFT）特征和支持向量机（SVM）结合的算法，实现对裂纹图像的快速识别。该方法提取了图像的dense SIFT特征并生成特征描述子后，再借助特征词袋化（BOW）的思想，利用K均值（K-means）算法对特征描述子聚类，统计每一类的数量并对其进行序列化，最后将序列作为特征，送入SVM分类器进行裂纹图像的识别。　　⑤对于检测到的裂纹图像需要进一步提取裂纹并进行分析，本文采用了基于阈值分割与SVM分类器结合的算法提取裂纹并进行分析。在SVM分类器训练阶段，为了提高训练效率，首先利用超像素分割方法分割裂纹图像，并将得到的超像素中心点作为训练样本点，然后提取以这些样本点为中心的2121图像块，将图像块的灰度信息和方向梯度直方图（HOG）组成联合特征训练SVM分类器。在裂纹图像分割阶段，首先对裂纹图像进行阈值分割，将像素值低的区域作为潜在的裂纹区域；再利用训练好的SVM分类器对潜在裂纹区域进行二次分割处理；然后，利用形态学算法对得到的分割图像去除伪裂纹和杂点；最后，计算裂纹的长度、宽度等参数。　　⑥本系统对真实轨道梁图像进行了裂纹检测实验。实验结果表明，对轨道梁图像的识别正确率为92.33％，对裂纹图像分割的漏检率为3.91%，充分证明了本文算法的有效性。
作者：	王大洋
专业：	仪器仪表工程
导师：	汪同庆
授予学位：	硕士
授予学位单位：	重庆大学
学位年度：	2017
正文语种：	中文