路面病害光學(xué)無(wú)損檢測(cè)技術(shù)——基于超小波與分形理論的算法研究.pdf

1、本文提出的光學(xué)無(wú)損路面病害自動(dòng)檢測(cè)算法，針對(duì)目前路面病害檢測(cè)算法存在的精度低、適用范圍窄、自動(dòng)化水平低的缺陷，著重研究了復(fù)雜背景下裂紋病害的提取以及病害的自動(dòng)分類問(wèn)題。主要工作內(nèi)容和研究成果簡(jiǎn)述如下： 1．提出了基于Ridgelet變換域的模糊自適應(yīng)圖像增強(qiáng)算法，利用在傅里葉變換域給出的Radon變換積分投影與原場(chǎng)分布在頻域上的聯(lián)系，實(shí)現(xiàn)離散Radon變換投影切片定理。并提出Radon變換重建原圖像的基本條件；利用廣義模糊集合概

2、念和最大模糊熵原理，提出一種自適應(yīng)設(shè)置模糊增強(qiáng)函數(shù)方法，使得增強(qiáng)后的圖像在抑制噪聲、增強(qiáng)特征方面達(dá)到較好折衷。 2．提出基于Curvelet變換域的路面圖像去噪算法。Curvelet變換綜合了Ridgelet擅長(zhǎng)表示直線特征和小波適于表現(xiàn)點(diǎn)狀特征的優(yōu)點(diǎn)，并充分利用了多尺度分析獨(dú)到的優(yōu)勢(shì)，適用于路面中網(wǎng)狀裂紋的增強(qiáng)去噪。針對(duì)Curvelet系數(shù)稀疏矩陣表示出來(lái)的局部結(jié)構(gòu)信息設(shè)計(jì)了一種自適應(yīng)的消噪處理方法，對(duì)局部鄰域中心點(diǎn)的高頻Cu

3、rvelet系數(shù)進(jìn)行處理得出新的Curvelet系數(shù)，以達(dá)到去噪的效果。 3．提出了一種基于亞像素多重分形原理求取圖像奇異性的新型算法，降低了單純依靠整數(shù)像素位置灰度級(jí)梯度信息計(jì)算邊緣測(cè)度所產(chǎn)生的誤差。該算法結(jié)合CCD成像機(jī)理給出在亞像素位置的灰度級(jí)梯度分布規(guī)律，利用多重分形理論將實(shí)際圖像分割成一系列具有不同奇異性指數(shù)的分形集合，對(duì)應(yīng)著從邊緣到紋理各層面的圖像內(nèi)容。采用多重分形理論并結(jié)合具體圖像的物理和統(tǒng)計(jì)特性進(jìn)行路面裂紋病害圖