地鐵隧道圖像數(shù)據(jù)分析系統(tǒng).pdf

1、地鐵具有快捷、準(zhǔn)時(shí)、運(yùn)量大等特點(diǎn)，是城市軌道交通的發(fā)展方向。為保證地鐵的安全運(yùn)營(yíng)，必須對(duì)地鐵隧道進(jìn)行周期性安全檢測(cè)。其中隧道裂縫威脅隧道結(jié)構(gòu)穩(wěn)定性，需要重點(diǎn)進(jìn)行檢測(cè)。傳統(tǒng)的隧道裂縫檢測(cè)以人工檢測(cè)為主，這種方式檢測(cè)時(shí)間長(zhǎng)、安全性差，主觀性強(qiáng)，已經(jīng)不能滿足安全檢查的實(shí)際需求。為了提高檢測(cè)效率，基于圖像處理的裂縫檢測(cè)逐漸成為研究熱點(diǎn)。但隧道圖像數(shù)量巨大，所以這種檢測(cè)方式對(duì)算法的執(zhí)行效率和準(zhǔn)確性都有極高要求。為此本文設(shè)計(jì)了地鐵隧道圖像數(shù)據(jù)分析系

2、統(tǒng)，以并行化的處理方式分析隧道圖像，高效率、高準(zhǔn)確率的實(shí)現(xiàn)隧道裂縫的自動(dòng)檢測(cè)。
　　本文分析了目前國(guó)內(nèi)外裂縫識(shí)別算法的優(yōu)勢(shì)和不足，探究了圖像并行化處理的相關(guān)技術(shù)，在這些研究的基礎(chǔ)上，完成了以下三個(gè)內(nèi)容:
　　第一，提出了一種適用于隧道圖像的裂縫分類算法。
　　本文首先將傳統(tǒng)的圖像預(yù)處理算法應(yīng)用到隧道圖像中，分析各個(gè)算法的適用性和不足，選取合適的算法并對(duì)其進(jìn)行簡(jiǎn)單改進(jìn)。最后選用基于梯度決算的平滑濾波、低帽變換和動(dòng)態(tài)OST

3、U閾值分割，將灰度圖像轉(zhuǎn)換為二值圖。改進(jìn)后的預(yù)處理算法可以有效的濾除隨機(jī)噪聲，平衡光照并突出裂縫信息。隨后特征提取中，本文提出距離直方圖、樣本間線性關(guān)系等4個(gè)特征變量，它們能夠有效的區(qū)分二值圖中裂縫與非裂縫區(qū)域。接著本文設(shè)計(jì)了閡值分類器和基于ELM的裂縫分類器。以北京地鐵一號(hào)線的隧道圖像作為樣本，對(duì)ELM進(jìn)行訓(xùn)練，得到良好的分類效果。最終通過仿真實(shí)驗(yàn)，探究本文算法的準(zhǔn)確率和召回率。
　　第二，對(duì)基于滲漏模型的裂縫搜索算法進(jìn)行了改進(jìn)

4、。
　　提出兩步搜索的方式，首先在原有算法的基礎(chǔ)上定義了初始點(diǎn)的選取規(guī)則和滲漏區(qū)域圓度的判定規(guī)則，通過計(jì)算滲漏區(qū)域的圓度，濾除水浸等大面積干擾，進(jìn)一步降低誤判率。其次引入概率松弛法，通過鄰域關(guān)系，將原始圖像轉(zhuǎn)化為概率矩陣，再次進(jìn)行裂縫搜索。最后，引入全局閾值，實(shí)現(xiàn)斷裂裂縫的連接。對(duì)于搜索到的裂縫區(qū)域，本文摒棄了傳統(tǒng)的骨架提取方法，采用了微分和鄰域擴(kuò)張的思想來(lái)計(jì)算裂縫的長(zhǎng)度和寬度。
　　第三，實(shí)現(xiàn)了裂縫識(shí)別的分布式處理。