论文总字数：20757字

摘 要

随着我国公路事业的发展，人们对路面裂缝检测越来越关注。现在的检测方式还是传统的人工检测已经不能满足要求，所以我们有必要对路面裂缝检测识别算法进行研究。本文设计了一种基于数字图像处理技术的裂缝检测算法并利用该算法开发了一个可视化应用程序，它的主要功能模块包括图像预处理、图像分割、图像特征提取及识别。在图像预处理部分，为了提高图像质量以突出裂缝信息本文对图像采用隔行隔列采样对图像比例缩小、按加权平均法求灰度图像、中值滤波进行图像去噪和直方图拉伸和Gamma校正调整对比度调整图像光照不均。接着本文采用Ostu 阈值分割算法进行图像分割，再去除二值图像的白色噪声点并使用数学形态学算法处理图像，最后提取出裂缝目标。关于特征提取本文采用的是 SURF特征算法，并借助支持向量机训练出一个图像分类模型。将一个路面图像输入支持向量机模型即可判别出其是否存在裂缝。经过多次实验，本算法能够准确将路面裂缝检测出来且其准确率达到85%以上。

关键词：路面裂缝检测 图像预处理 图像分割 SURF特征 支持向量机

Pavement crack detection algorithm design

Abstract

With the development of highway in China, people pay more and more attention to pavement crack detection. The current detection method or traditional manual detection has been unable to meet the requirements, so it is necessary for us to study the pavement crack detection and recognition algorithm. This paper designs a algorithm and develops a visualization application program by using this algorithm. Its main function modules include image preprocessing, image segmentation, image feature extraction and recognition. In the image preprocessing part, in order to improve the image quality and highlight the crack information, this paper used the interlaced column sampling to reduce the image proportion, calculated the gray image by the weighted average method, median filter to conduct image denoising, histogram stretching and Gamma correction to adjust the contrast and adjust the image illumination. Then, this paper adopts Ostu threshold segmentation algorithm for image segmentation, removes the white noise points of binary image, processes image with mathematical morphology algorithm, and finally extracts the crack target. SURF feature algorithm was used in this paper and an image classification model was trained by support vector machine. A pavement image can be input into the SVM model to determine whether there are cracks. After many experiments, this algorithm can accurately detect pavement cracks and its accuracy rate is more than 85%.

Keywords: Pavement crack detection; Image preprocessing; Image segmentation; Speed Up Robust Feature; Support vector machine

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 研究背景和意义 1

1.2 路面检测发展现状 1

1.2.1 国外研究现状 1

1.2.2 国内研究现状 3

1.3 路面裂缝的类型 4

1.4 本论文研究内容及章节安排 5

第二章 路面裂缝图像预处理 6

2.1裂缝图像比例缩小 6

2.2 路面裂缝图像灰度化 7

2.3 路面裂缝图像去噪 8

2.4 路面裂缝图像光照不均调整 9

2.5 本章小结 11

第三章 路面裂缝图像分割 13

3.1 图像分割技术概述 13

3.2路面裂缝图像边缘检测 13

3.3路面裂缝图像阈值分割 14

3.4路面裂缝图像数学形态学处理 16

3.5 本章小结 17

第四章 路面裂缝图像特征提取与识别 18

4.1路面裂缝特征提取 18

4.2 BOW词袋模型 21

4.3 支持向量机 21

4.3.1 线性可分支持向量机 22

4.3.2 非线性支持向量机 23

4.4 裂缝识别模型 24

4.5 应用程序界面设计 26

4.6 本章小结 27

第五章 总结和期望 28

参考文献 29

致 谢 30

第一章 绪论

1.1 研究背景和意义

由于我国公路的普及和人们每天都需要使用，公路路面品质的问题已成为人们需要担忧的问题之一，所以路面若产生裂缝等破损，及时发现并修补显得尤为重要。公路经过长时间的使用，因为车辆碾压和自然环境变化的原因，路面会逐步出现各种破损。路面的承载能力、使用寿命会因此降低，并且破损会影响车辆的行驶速度，增加燃油耗费、减少车辆使用寿命，降低行车舒适性、危害行车安全。面对我国这世界第一的公路里程量，以往靠人力肉眼检测是否存在路面裂缝已不合时宜，而且采用这种方法存在检测效率低、检测人员人身安全性低、难以对路面破损开展客观和精确的评估等问题^[1]。因而，现在研究出一种针对路面裂缝检测识别算法，并使用计算机技术配合最新硬件设备研发出一套路面裂缝自动检测设备对我国的公路事业有巨大帮助。

因为路面裂缝产生原因众多，会形成各式各样的路面裂缝，所以检测的难度不小。但如今在图像处理技术和数字摄影技术的迅速发展下，设计一种路面裂缝检测识别算法有了可以运用的工具，我们可以使用先进摄影设备来获取路面图像，然后运用数字图像处理及识别技术来处理图像信息判断其是否出现裂缝^[2]。

1.2 路面检测发展现状

1.2.1 国外研究现状

请支付后下载全文，论文总字数：20757字