原文传递
基于图像分割的道路裂纹检测算法研究
| 论文题名： | 基于图像分割的道路裂纹检测算法研究 |
| 关键词： | 路面裂纹;检测算法;图像分割;深度学习;全卷积神经网络 |
| 摘要： | 路面裂纹反应了公路路面质量的好坏，直接影响着行车安全和公路的使用寿命。及早的检测出路面裂纹并及时维护，可以有效的避免裂纹的进一步恶化。因此，研究道路裂纹的检测算法对保障公路路面承载能力、提高车辆的行驶平顺性等具有重要的意义。道路裂纹图像存在噪声多、拓扑结构复杂的特点，探索出能准确分割裂纹区域的算法，具有一定挑战性。 首先，本文根据道路裂纹的边缘包含了丰富的局部结构形式的特点，提出一种基于梯度提升决策树的道路裂纹检测算法，以固定大小的图像块作为训练样本，提取特征，并降维作为输入特征向量，同时将对应人工标注的实际边缘映射为分数，作为样本标签，采用梯度提升决策树的学习方法训练模型，将广泛种类的裂纹边缘存储到每棵树的结点上。待检测时，将训练得到的模型独立的计算图像中每个像素是裂纹的可能性，然后组合为全局推理，去除噪声点，即可完成道路裂纹的检测结果。 然后，本文将全卷积神经网络的深度学习方法引入到道路裂纹的检测中，使用卷积神经网络提取图像的深层抽象特征，并进行高层语义特征与低层细节特征的融合，再通过减少反卷积步长、增加反卷积的层数，通过反卷积运算对融合后的特征进行插值重构后得到分割结果。与传统分割方法相比，该全卷积神经网络模型可以充分学习到道路裂纹图像中的空间信息，实验结果证明了该算法的准确性和有效性。 最后，对本文的研究工作作出总结，并指出今后需要进一步努力的方向。 |
| 作者： | 盛鹏 |
| 专业： | 软件工程 |
| 导师： | 陈黎 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉科技大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
