基于改進(jìn)Niblack及Radon相關(guān)技術(shù)的復(fù)雜路面裂縫圖像檢測(cè)與算法評(píng)價(jià).pdf

1、隨著公路事業(yè)的快速發(fā)展，基于數(shù)字圖像處理的路面裂縫檢測(cè)技術(shù)已經(jīng)成為研究的熱點(diǎn)和難點(diǎn)。在路面裂縫檢測(cè)過(guò)程中，會(huì)遇到各種復(fù)雜的路況，導(dǎo)致獲取的路面圖像中會(huì)出現(xiàn)一些復(fù)雜的背景，例如光照不均、障礙物陰影、路面油污、隨機(jī)噪聲等。在這些情況下，現(xiàn)有的裂縫提取算法已不能滿足檢測(cè)需求，無(wú)法很好的獲取裂縫等數(shù)據(jù)，導(dǎo)致不能及時(shí)對(duì)路面進(jìn)行維修和養(yǎng)護(hù)。
　　針對(duì)上述問(wèn)題，本文從圖像增強(qiáng)處理、裂縫信息提取、裂縫連接及參數(shù)計(jì)算、裂縫算法評(píng)價(jià)四個(gè)主要方面對(duì)復(fù)雜

2、背景情況下路面裂縫檢測(cè)進(jìn)行了深入研究。
　　(1)論文針對(duì)路面裂縫圖像背景噪聲多，光照不均勻、陰影等特點(diǎn)，提出利用基于分?jǐn)?shù)階積分的算法對(duì)路面裂縫圖像進(jìn)行增強(qiáng)。增強(qiáng)后的裂縫圖像不僅突出了圖像的對(duì)比度，保留了裂縫圖像的邊緣和紋理等細(xì)節(jié)信息，而且不會(huì)使圖像產(chǎn)生模糊現(xiàn)象。
　　(2)論文針對(duì)背景不均勻及陰影裂縫圖像等，提出了一種基于改進(jìn)Niblack并結(jié)合連通域直方圖特性的裂縫提取算法。通過(guò)分析陰影圖像的裂縫特征，利用圖像的統(tǒng)計(jì)特性

3、及空間鄰域信息和灰度信息的相關(guān)性對(duì)Niblack算法進(jìn)行改進(jìn)，實(shí)現(xiàn)裂縫的粗提?。唤酉聛?lái)，將粗提取的裂縫圖像通過(guò)連通域距離標(biāo)準(zhǔn)差特征進(jìn)行裂縫的進(jìn)一步提取。
　　(3)論文利用最大熵閾值并結(jié)合裂縫的方向和距離進(jìn)行裂縫間隙連接，并將連接后的裂縫進(jìn)行長(zhǎng)度和寬度的測(cè)量分析。其中，長(zhǎng)度測(cè)量分析依據(jù)提取的裂縫骨架進(jìn)行計(jì)算，寬度測(cè)量分析采用基于二階矩Ferret的分析方法，該方法測(cè)量較準(zhǔn)確。
　　(4)對(duì)本文提出的裂縫提取算法進(jìn)行評(píng)價(jià)分析。

4、首先對(duì)提取后的裂縫進(jìn)行分類(lèi)，該分類(lèi)方法采用的是Radon變換并結(jié)合聚類(lèi)的方法，該方法簡(jiǎn)單迅速，且較精確。然后對(duì)本文算法進(jìn)行評(píng)價(jià)，該部分分為兩部分：①由于本文算法針對(duì)的圖像一般為對(duì)比度低，背景不均勻和陰影等復(fù)雜背景圖像，文中選取三幅具有代表性的圖像分別將本文算法與經(jīng)典的及現(xiàn)在較流行的算法進(jìn)行比較分析，實(shí)驗(yàn)結(jié)果體現(xiàn)了本文算法的有效性和優(yōu)越性；②依據(jù)裂縫的類(lèi)型對(duì)本文的算法進(jìn)行F評(píng)價(jià)，結(jié)果表明本文提出的算法對(duì)背景不均勻及陰影等復(fù)雜背景圖像具有較