原文传递
特征聚类的沥青路面裂缝检测方法研究
| 论文题名： | 特征聚类的沥青路面裂缝检测方法研究 |
| 关键词： | 沥青路面;裂缝检测;特征融合;裂缝分类;深度学习 |
| 摘要： | 裂缝是路面最常见的路面病害，降低路面使用性能，在雨水作用下会损毁路基，造成巨大经济损失，产生巨大的行车安全隐患。路面裂缝检测是路面养护工作开展的前提，随着快速检测装备的普及，高效的路面图像数据技术已经成熟，但制约于路面图像的富纹理和裂缝形态的不规则性，路面裂缝的自动识别特别是细小裂缝误识别精度与实际工程需要仍存在较大差距。针对上述问题，本论文从显著特征融合增强裂缝、基于多特征聚类提取裂缝，以及基于深度学习实现裂缝分类等三方面展开研究。 (1)针对沥青路面富纹理引起的点状噪声影响，提出了一种基于邻域与梯度显著特征融合的裂缝增强方法。采用灰度校正和形态学重建，降低外界干扰和富纹理中较亮点状噪声导致亮度不均的影响。根据像素点及其邻域的显著差异提取邻域显著特征，再利用方向可调滤波器得到不同方向上的梯度显著特征，将两者卷积融合并优选方向生成特征融合显著图。实验结果表明，所提出的裂缝增强方法能够抑制路面富纹理噪声的干扰并突出裂缝边缘特征，为后续裂缝提取奠定基础。 (2)针对细小裂缝不连续难以识别的问题，提出了基于多特征聚类分析的裂缝提取方法。对特征融合显著图阈值分割得到疑似裂缝聚集区域，结合聚集区域的不同几何特征引入聚类分析法筛选裂缝候选区域，搜索并定位区域端点，剔除无端点聚集区域的子集，再连接不同区域端点进行裂缝完整提取。实验结果表明，所提出的裂缝提取方法的准确率、召回率、F值分别为92.857%，86.405%和89.515%，验证了该方法能够有效识别细小裂缝。 (3)针对现有裂缝分类方法对细小裂缝分类准确率低、普适性不高的问题，设计了基于改进VGG16的裂缝分类方法。以裂缝提取后的二值图为分类对象，提高卷积神经网络中特征提取的效率，减少VGG16网络中的卷积层数，并用空洞卷积代替原卷积，旨在保持原网络感受野不变的情况下提高网络收敛速度。通过仿真实验观测了网络训练过程中损失，并对比了不同深度学习网络的训练和测试效果。实验结果表明，在相同的实验环境下，所提出的裂缝分类方法的准确率为93.478%，验证了该方法的准确率和适用性，为路面养护工作提供了相关信息。 |
| 作者： | 胡成雪 |
| 专业： | 系统工程 |
| 导师： | 张德津 |
| 授予学位： | 硕士 |
| 授予学位单位： | 湖北工业大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
