基于小波矩及SVM的湖南高速公路瀝青路面典型病害圖像識別研究.pdf

1、開展路況調(diào)查是掌握路況信息的基本方法，而病害的識別是路況調(diào)查的核心組成部分?，F(xiàn)階段路況中病害識別以人工上路識別為主，其識別成本高、識別速度慢、識別周期長、工作繁瑣、資金投入高等問題日益顯現(xiàn)。隨著高速公路的建設(shè)不斷進行，投入運營的路網(wǎng)總里程數(shù)不斷增加，路況調(diào)查任務(wù)越來越艱巨，傳統(tǒng)的工作方式已經(jīng)不能與現(xiàn)階段的養(yǎng)護需求相適應(yīng)，研究科學化、智能化、系統(tǒng)化的路面典型病害識別技術(shù)勢在必行。本文以小波矩及SVM(Support Vector Mach

2、ine)為基礎(chǔ)，以湖南省高速公路依托，研究瀝青路面病害圖像識別技術(shù)，構(gòu)建高速公路瀝青路面典型病害圖像識別體系，并以湖南省湘潭高速公路2011及2012年瀝青路面病害圖像為實例，進行高速公路瀝青路面典型病害圖像識別體系實例分析。本文在國內(nèi)外相關(guān)研究的基礎(chǔ)上進行了深入研究分析，具體研究成果如下:
　　(1)瀝青路面典型病害特征提取算法的選擇。對現(xiàn)今主流不變矩算法進行研究，綜合考慮了各不變矩的抗噪能力、圖像細節(jié)提取能力等，對Hu矩、Ze

3、rnike矩、legendre矩、小波矩的原理進行研究，并從中選擇出最適合用于提取瀝青路面典型病害圖像特征點的小波矩算法，為下一步圖像的特征分類打下基礎(chǔ)。
　　(2)特征分類算法的選擇。對國內(nèi)外常用的特征分類算法進行研究，對BP神經(jīng)網(wǎng)絡(luò)、SVM的算法機理進行了分析，并從中選擇出了最適合瀝青路面典型病害圖像特征的分類算法。并以(1)中的各不變矩陣所提取的特征點為基礎(chǔ)，通過實驗對學習時間、識別時間、識別精度等方面進行分析比較，論證了S

4、VM與小波矩的優(yōu)越性。
　　(3)建立了瀝青路面典型病害圖像識別體系。將路面典型病害識別分為四步:第一步，圖像信息的捕獲，對需要識別的圖像進行采集;第二步，對圖像進行預(yù)處理，去除噪聲與其他干擾并突出病害圖像主體、圖像分割等;第三步，選擇合適的小波基函數(shù)，運用小波矩算法提取出病害圖像的特征點;第四步，首先對分類模型SVM進行正負包樣本集訓練，已經(jīng)訓練好的分類模型在設(shè)置好參數(shù)后，通過己劃分好的超平面進行特征識別，并得出最終識別結(jié)果。文

5、中詳細描述了預(yù)處理模型、特征提取模型及分類模型的建立步驟與理論方法，確定了在高速公路瀝青路面病害圖像的前提下，噪聲處理與圖像分割的方法、小波基的選取方法與小波基的選取原則、SVM初始參數(shù)的選擇方法等。
　　(4)以湖南省湘潭高速2011及2012年瀝青路面病害圖像為原型，建立實驗病害圖像樣本庫對SVM進行學習訓練，然后通過小波矩提取特征點，輸入到已訓練好的SVM中進行特征分類。最后用實驗證明了(3)中所建立的高速公路瀝青路面典型病