[碩士]基于圖像的路面破損識別

內容簡介

　　[碩士]基于圖像的路面破損識別　　學科專業(yè)：模式識別與智能系統(tǒng)　　授予學位：碩士　　學位授予單位：河北工業(yè)大學　　學位年度：2008　　隨著圖像處理技術的深入發(fā)展，將這些新的技術應用于公路路而破損的檢測，既可以解放勞動力，排除人的主觀因素的干擾，又能快速而準確地進行公路路況的評價，具有重要的實用價值。本文基于路而破損一值圖像，研究基于圖像的路而破損自動識別方法，主要涉及兩點:路而破損圖像的特征提取方法;分類器的選擇?！　? 在路而破損識別中，如何使破損類型特征化是實現(xiàn)實時、準確識別圖像的關鍵。本文綜合考慮路而破損圖像的結構特征和統(tǒng)計特征，對現(xiàn)有的特征提取方法進行改進，選擇路而子塊圖像在水平和垂直方向的差分向量,3X3，5X5密度因子與對應的路而圖像的卷積、裂縫子塊數(shù)作為提取的特征向量。支持向量機((Support Vector Machine,SVM)方法是建立在統(tǒng)計學習理論的VC維理論和結構風險最小原則基礎之上，根據(jù)有限的樣本信息在模型的復雜性和學習能力之間尋求最佳折衷，能夠獲得最好的推廣能力，有效解決神經(jīng)網(wǎng)絡過學習現(xiàn)象;模型求解最終體現(xiàn)在一個一次規(guī)劃問題上，從理論上講，可以得到全局最優(yōu)解，解決了在神經(jīng)網(wǎng)絡方法中無法避免的局部極值問題?；诖耍撐倪x擇支持向量機作為分類器，通過試驗選擇徑向基核函數(shù)。分類輸出橫向裂縫、縱向裂縫、龜狀裂縫、塊狀裂縫、無裂縫五種路而破損類型。　　本文立足于路而一值圖像破損特征提取和分類器選擇兩方而問題，闡述了傳統(tǒng)的方法的缺陷，對其加以改進，選擇實際和生成的路而圖像作為訓練和測試樣本，用Matlab仿真試驗。首先考慮了在BP神經(jīng)網(wǎng)絡分類器下和其他特征提取方法進行實驗對比，再次考慮了在本文提出的特征提取方法下選擇支持向量機和BP神經(jīng)網(wǎng)絡作對比。實驗證明均提高識別精度、識別效率及其魯棒性。

專題推薦