基于多特征融合的路面破损图像自动识别技术研究

摘要

近年来，随着我国公路网的不断扩大，公路养护和管理问题日渐突出。为适应大规模、高效率和高质量的公路养护管理要求，路面管理系统（Pavement Management System，PMS）得到了广泛的推广应用。它改变了传统落后的公路管理模式，使公路管理决策更加客观化、信息化和科学化。路面管理系统的有效性依赖于各种数据的准确、实时获取，而路面破损数据是评价路面质量状况的关键指标之一。目前，国内外已研发了多种路面图像自动采集与处理系统，可在线获取路面图像，离线进行路面破损图像自动识别。但是这些系统普遍存在“成像照度不均匀”、“识别算法通用性差、运行效率不高”等问题，成为影响该系统推广应用的“瓶颈”。
　　近40年来，路面破损图像自动识别技术一直是交通信息工程与模式识别领域的经典难题，受到相关研究者的广泛关注。由于路面图像的多纹理性、多目标性、目标的弱信号性和图像光强的多变性，使得路面破损目标的识别难度相对较大。现有算法大多是建立在路面图像质量好、裂缝目标清晰的基础上而开发的，缺乏对复杂环境的适应性，难以满足工程应用的实际需求。
　　针对以上问题，本文在国内外的研究基础上，提出了一种基于多特征融合的路面破损图像自动识别方法。该方法对路面破损图像的灰度、纹理、边缘、形状等多种特征进行了定性和定量分析，选择出能够准确描述路面破损目标特性的关键特征，并通过多种融合规则和融合方法对这些特征进行融合，最终实现路面图像的准确分类和破损目标的精确分割。该研究成果将拓展多特征融合理论在交通领域的应用，同时为公路养护管理部门提供更为准确的路面破损数据。
　　论文主要在以下几个方面展开了研究工作:
　　（1）提出了一种“先分类，后识别”的路面破损图像处理流程，不同于传统的“先识别，后分类”的处理模式，该处理流程采用较低复杂度的算法对图像进行定性分析，将图像分为完好路面、松散类破损、裂缝类破损、补丁类破损四大类，然后再采用复杂度较高的算法对分类后的破损图像进行定量分析，该处理流程可以大大提高路面破损图像处理的效率和精度。
　　（2）提出了一种融合边缘和灰度特征的道路标线提取算法，该算法采用改进的beamlet算法提取路面二值图像中的直线边缘，实现了道路标线图像的快速筛选，该直线检测算法的耗时仅为传统Hough变换算法的1/10。然后根据检测出的直线边缘对图像进行初步分割，最后融合分割区域的灰度特征，采用分裂-合并算法实现道路标线区域的精确分割。实验结果表明：论文提出的道路标线分割算法准确率高于基于动态阈值的分割算法。
　　（3）提出了一种新的形状描述子——形状有效长度。该描述子基于傅立叶描述子重构方法得到目标的抽象轮廓，然后采用中轴变换得到形状的中轴，最后通过目标圆形度对该中轴长度进行校正。该描述子非常适合于区分裂缝类线状目标与非裂缝凸多边形目标。
　　（4）提出了一种基于纹理和形状特征融合的路面破损图像初始分类算法。该算法将局部对比度增强图像和整体灰度校正图像进行像素级融合，得到增强图像，并对增强图像进行三层小波分解以获得图像的纹理特征。然后采用改进的P分位法对增强图像进行二值化，并提取二值化图像中多个形状特征。最后采用BP神经网络对以上特征进行串行融合，实现了路面图像的有效初始分类，准确率高于采用单一特征的分类结果。
　　（5）提出了一种基于灰度、脊边缘及形状等多特征融合的裂缝类目标检测算法。该算法首先将路面图像分成多个互不重叠的图像子块，然后采用直方图估计算法获取每一个图像子块的最优阈值，并对其进行二值化得到灰度特征图像。然后采用多尺度脊边缘融合算法获得裂缝图像的边缘特征图像，并采用或运算方式对二者进行像素级融合。在此基础上，采用D-S证据理论和形状特征对融合后图像的斑点噪声进行去除。最后采用多种后续处理操作实现了裂缝目标的精确分割。实验结果表明：该算法的分割效果要优于文献中提出的三种常用的经典算法。
　　以上所有成果均在本文开发的原型系统上实现完成并得到应用。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1选题背景及意义

1.2路面破损检测系统国内外研究进展

1.3路面破损图像自动识别算法国内外研究进展

1.4 路面破损图像自动识别技术存在的难点

1.5基于多特征融合的图像目标识别技术研究进展

1.6 课题的来源及章节安排

第2章 路面破损图像特征分析及处理流程

2.1路面破损类型及形成机理

2.2路面破损图像特征分析

2.3路面破损图像处理流程

2.4本章小结

第3章 融合边缘与灰度特征的道路标线精确分割

3.1道路标线分割的意义及特征分析

3.2基于灰度特征的道路标线分割算法

3.3基于直线边缘的道路标线分割算法

3.4融合灰度与直线边缘的道路标线分割

3.5算法性能对比

3.6本章小结

第4章 融合纹理与形状特征的路面破损图像初始分类

4.1路面破损图像初始分类概述

4.2路面破损图像的融合增强

4.3 路面破损图像模式的初始分类方法

4.4本章小结

第5章 基于D-S证据理论与多特征融合的裂缝类目标检测

5.1 裂缝类路面破损图像特征分析

5.2 基于灰度特征的路面裂缝检测目标识别

5.3基于多尺度脊边缘融合的路面裂缝目标识别

5.4基于D-S证据理论和多特征的路面裂缝融合检测

5.5本文算法性能评估及经典算法对比分析

5.6路面裂缝几何参数自动测量算法

5.7本章小结

第6章 路面破损图像自动检测系统集成及软件开发

6.1路面破损图像自动检测系统集成

6.2 路面破损自动识别软件开发

2.3评价标准自动对路面破损情况评级。

6.3本章小结

第7章 总结及展望

参考文献

攻读博士学位期间取得的研究成果

致谢