基于圖像處理技術(shù)的城市路面裂縫病害檢測(cè).pdf

1、隨著我國(guó)國(guó)民經(jīng)濟(jì)的飛速發(fā)展，車輛行駛數(shù)量和道路里程數(shù)不斷增長(zhǎng)，路面承載壓力越來越大，道路的養(yǎng)護(hù)任務(wù)也越來越繁重，其中，路面病害檢測(cè)工作是道路養(yǎng)護(hù)的重要依據(jù)，尤其是城市路面的病害檢測(cè)工作受到越來越多的重視。在各種城市路面病害類型中，裂縫類病害是一種早期破損形式，一旦不及時(shí)修補(bǔ)，將會(huì)發(fā)展成其它更嚴(yán)重的路面病害類型，因此，如何快速、準(zhǔn)確地自動(dòng)識(shí)別城市路面裂縫病害的問題亟待解決。本文圍繞城市路面裂縫病害檢測(cè)方法進(jìn)行了研究。
　　為了高效識(shí)

2、別大量路面圖像中的裂縫類病害路面圖像，并對(duì)其進(jìn)行破損程度評(píng)估，本文提出對(duì)路面病害檢測(cè)工作采取“先定性分析后定量分析”的處理流程。首先，對(duì)路面圖像進(jìn)行初始分類，主要包括：利用自適應(yīng)平滑濾波和Wallis濾波進(jìn)行路面圖像增強(qiáng)、P-tile圖像分割、提取路面圖像的形狀特征參數(shù)、利用BP神經(jīng)網(wǎng)絡(luò)對(duì)路面圖像進(jìn)行分類；然后，對(duì)初始分類獲得的裂縫類病害路面圖像采用多尺度、多方位結(jié)構(gòu)元素形態(tài)學(xué)和最大熵圖像分割的算法進(jìn)行裂縫提取，并對(duì)分割后的二值裂縫圖像