隨著圖像處理技術(shù)的深入發(fā)展，將這些新的技術(shù)應(yīng)用于公路路而破損的檢測(cè)，既可以解放勞動(dòng)力，排除人的主觀因素的干擾，又能快速而準(zhǔn)確地進(jìn)行公路路況的評(píng)價(jià)，具有重要的實(shí)用價(jià)值。本文基于路而破損一值圖像，研究基于圖像的路而破損自動(dòng)識(shí)別方法，主要涉及兩點(diǎn):路而破損圖像的特征提取方法;分類器的選擇。
在路而破損識(shí)別中，如何使破損類型特征化是實(shí)現(xiàn)實(shí)時(shí)、準(zhǔn)確識(shí)別圖像的關(guān)鍵。本文綜合考慮路而破損圖像的結(jié)構(gòu)特征和統(tǒng)計(jì)特征，對(duì)現(xiàn)有的特征提取方法進(jìn)行改進(jìn)，選擇路而子塊圖像在水平和垂直方向的差分向量,3X3，5X5密度因子與對(duì)應(yīng)的路而圖像的卷積、裂縫子塊數(shù)作為提取的特征向量。支持向量機(jī)((Support Vector Machine,SVM)方法是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原則基礎(chǔ)之上，根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折衷，能夠獲得最好的推廣能力，有效解決神經(jīng)網(wǎng)絡(luò)過(guò)學(xué)習(xí)現(xiàn)象;模型求解最終體現(xiàn)在一個(gè)一次規(guī)劃問(wèn)題上，從理論上講，可以得到全局最優(yōu)解，解決了在神經(jīng)網(wǎng)絡(luò)方法中無(wú)法避免的局部極值問(wèn)題�；诖耍撐倪x擇支持向量機(jī)作為分類器，通過(guò)試驗(yàn)選擇徑向基核函數(shù)。分類輸出橫向裂縫、縱向裂縫、龜狀裂縫、塊狀裂縫、無(wú)裂縫五種路而破損類型。
本文立足于路而一值圖像破損特征提取和分類器選擇兩方而問(wèn)題，闡述了傳統(tǒng)的方法的缺陷，對(duì)其加以改進(jìn)，選擇實(shí)際和生成的路而圖像作為訓(xùn)練和測(cè)試樣本，用Matlab仿真試驗(yàn)。首先考慮了在BP神經(jīng)網(wǎng)絡(luò)分類器下和其他特征提取方法進(jìn)行實(shí)驗(yàn)對(duì)比，再次考慮了在本文提出的特征提取方法下選擇支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)作對(duì)比。實(shí)驗(yàn)證明均提高識(shí)別精度、識(shí)別效率及其魯棒性。
