2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩128頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著我國公路網(wǎng)的不斷完善,公路建設(shè)的規(guī)模趨勢日益平緩,公路路面狀況檢測、養(yǎng)護和管理已成為我國公路建設(shè)領(lǐng)域的重要任務(wù)。路面裂縫是大部分路面病害的早期形式,及時發(fā)現(xiàn)裂縫并進行修補可以有效的減小路面病害帶來的損失。因此,路面裂縫檢測具有重要的現(xiàn)實意義。
  由于路面圖像的多紋理性、多目標(biāo)性、目標(biāo)的弱信號性和圖像光強的多變性,使得路面裂縫目標(biāo)的識別難度相對較大?,F(xiàn)有算法大多是建立在路面圖像質(zhì)量好、裂縫目標(biāo)清晰的基礎(chǔ)上而開發(fā)的,缺乏對復(fù)雜環(huán)

2、境的適應(yīng)性,難以滿足工程應(yīng)用的實際需求。
  針對以上問題,本文對路面裂縫病害檢測過程中所涉及的去除噪聲、裂縫目標(biāo)分割、裂縫邊緣提取以及裂縫類型識別等關(guān)鍵技術(shù)進行研究,提出了一種基于圖像處理的路面裂縫智能檢測方法。該方法對路面裂縫灰度圖像建立壓縮感知去噪模型,對于成像照度不均勻的問題,選擇自適應(yīng)閾值進行分割,并通過韋伯定律和視覺模型進行分段閾值邊緣檢測,最終通過徑向基概率神經(jīng)網(wǎng)絡(luò)進行裂縫圖像的裂縫類型識別。
  論文主要在以

3、下幾個方面展開了研究工作:
  1.針對目前路面圖像濾波算法復(fù)雜度高且難以耦合噪聲抑制和信號平衡的缺點,提出了一種基于非下采樣Contourlet變換域壓縮采樣的濾波算法。該方法首先使用非下采樣Contourlet變換對包含噪聲的路面裂縫圖像進行多尺度分解,建立壓縮感知去噪模型,采用偽隨機傅里葉矩陣對高頻子帶系數(shù)進行觀測,通過構(gòu)建重建過程所使用的優(yōu)化目標(biāo)函數(shù)的形式及參數(shù)的設(shè)置,應(yīng)用不同的優(yōu)化目標(biāo)函數(shù)信號,重建原始圖像以達到實現(xiàn)濾波

4、的目的。實驗表明:本文提出的算法可以很好的克服光照不均對裂縫目標(biāo)檢測的影響,在相同的實驗條件下,與Curvelet閾值法和Wavelet閾值法相比,裂縫的錯誤檢測率降低了15%和7.8%。
  2.針對成像照度不均勻的問題,提出一種基于改進的模糊聚類分割的自適應(yīng)閾值分割算法。改進的模糊聚類分割算法對路面灰度圖像采用模糊直方圖,利用模糊直方圖波峰的個數(shù)來確定聚類數(shù),模糊直方圖的極值確定聚類中心。改進的模糊聚類分割算法對整幅圖像的全局

5、分割閾值進行估計,最大類間方差算法對所劃分子圖像進行局部分割閾值估計,局部分割閾值通過局部分割估計閾值與全局分割估計閾值之間的關(guān)系以及子圖像的灰度特點共同確定。實驗表明:在相同的實驗條件下,基于改進的模糊聚類分割的自適應(yīng)閾值分割算法比模糊聚類分割算法查全率提高了0.195,查準(zhǔn)率提高了0.0566。
  3.提出了一種利用視覺模型來確定路面裂縫邊緣檢測閾值的算法。該算法按照仿生學(xué)原理,通過分析人眼的閾值亮度比曲線和Weber比曲線

6、,將圖像根據(jù)背景亮度劃分為三個不同亮度區(qū)域,分別是亮區(qū)域、中間區(qū)域、暗區(qū)域,對于不同亮度區(qū)域分別采用不同的邊緣閾值公式,最后得到路面裂縫的檢測結(jié)果。實驗結(jié)果表明:本文提出的算法受到噪聲的影響較小,能夠克服光照不均對檢測結(jié)果的影響,可以檢測出較為完整的裂縫邊緣信息,在相同的實驗條件下,與基于多尺度小波模極大值和基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的邊緣檢測算法相比,不同類型的裂縫的邊緣定位指標(biāo)和檢出率均有所提高。
  4.設(shè)計了一個四層徑向基概率神

7、經(jīng)網(wǎng)絡(luò)進行裂縫類型的識別。第一隱層采用徑向基函數(shù)作為基函數(shù),隱矢量中心采用k-means聚類法確定,第二隱層與輸出層之間的連接權(quán)值由遞推最小二乘法確定。將裂縫的幾何特征作為網(wǎng)絡(luò)的輸入,利用900幅已知裂縫類型的路面圖像作為訓(xùn)練樣本對徑向基概率神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練,訓(xùn)練好的網(wǎng)絡(luò)對700幅未知裂縫類型的路面圖像進行分類測試。測試結(jié)果表明:徑向基概率神經(jīng)網(wǎng)絡(luò)可以取得了很好的分類效果,與SVM,C4.5決策樹分類器、貝葉斯分類器相比,識別率達分別提

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論