导读:本文包含了道路裂缝识别论文开题报告文献综述及选题提纲参考文献，主要关键词:裂缝识别,卷积神经网络,多尺度图像,注意力机制
道路裂缝识别论文文献综述
冯卉[1]（2019）在《基于深度学习的道路裂缝识别算法研究与实现》一文中研究指出交通系统作为一种大型公共基础设施,其安全性关系着社会的正常运转。路面裂缝是公路系统最常见的缺陷之一,而对路面裂缝进行准确的识别则是排查公路系统中存在的隐患、保障交通系统正常运行的有效手段。目前已提出的裂缝识别算法主要使用传统数字图像处理方法,该类方法识别速度慢且无法有效排除实际环境中的各种干扰因素。本文针对实际环境下采集的路面图像的特征,提出了一种基于卷积神经网络方法的道路裂缝识别算法。本文的主要工作内容如下:(1)使用多尺度特征图的理念优化卷积神经网络模型,从而提升模型在裂缝识别任务中的性能表现。该方法充分利用了卷积神经网络模型的多尺度特征图结构,弥补了传统卷积神经网络模型仅使用单尺度特征图造成的漏识别率较高的问题。(2)提出了使用注意力机制对多尺度特征图进行赋权的方法,从而对各层特征图进行进一步筛选。该部分采用通道间注意力机制对迭合后的多尺度特征图进行处理,对多尺度信息进行进一步筛选,从而提升模型的特征提取效果。(3)设计了一套完整的路面裂缝识别方案。该方案将传统数字图像中的预处理技术与深度学习图像识别相结合,实现路面图像从采集后到输出检测结果的一系列流程。实验证明,该路面裂缝识别系统在实际公路环境采集的数据集上和一些公开数据集上均具有很好的裂缝识别效果,识别准确率明显高于传统数字图像处理方法。(本文来源于《北京邮电大学》期刊2019-06-09）
余俊辰[2]（2018）在《影像线特征自动识别方法及在道路裂缝检测中的应用研究》一文中研究指出由于行车压力、天气和人为等原因,路面灾害出现情况愈加频繁,严重影响道路的使用寿命和行车安全。尤其在高速公路,路面灾害引发的不利影响会更加明显。裂缝作为典型的路面灾害之一,若能及时发现并妥善报备处理,不仅可以大大降低行车危险,还能极大地节约道路养护的费用。因此裂缝自动检测方法就显得极为迫切与重要。现有的方法与系统还不能实现道路裂缝的全自动检测,并且目前学者们对复杂噪声干扰下的裂缝检测研究较少,而在实际情况下,裂缝检测需考虑到阴影、污渍、光照和灰度不均匀等诸多干扰因素,因此一种能够应用于实际情况并较好地实现裂缝自动检测的方法就显得极为重要。本文将影像线特征识别方法与常用的裂缝检测方法相结合并加以改进,提出3种针对不同路面情况的裂缝检测算法:针对路面噪声较少与光照条件较好的路面图像,本文提出的基于自适应移动平均阈值的自动检测方法。该方法提出了一种移动平均自适应阈值分割方法对图像粗分割;然后设定线性结构的连通域规则对粗分割的细小斑块、阴影与水渍噪声去除;最后基于Hough变换对裂缝图形自动检测。此方法是基于空间域的局部灰度差异的检测,主要应用于细小与微灰度差异裂缝的检测。由于此方法是一种空间域的算法,速度较快,适用于路面噪声较少情况下的裂缝检测。针对路面噪声复杂,本文提出一种基于相位一致性与形态学的裂缝检测方法。该方法首先基于相位一致性原理对图像进行粗分割;然后基于裂缝连接规则连接裂缝;最后以形态学的知识将连接后的裂缝图像去除噪声。此方法受非线性噪声的干扰较小,适用于噪声较为复杂、受灰度不均影响较小的路面影像,能够较好地提取线性裂缝。针对路面裂缝图像受灰度不均匀影响严重的问题,本文提出一种基于马尔科夫随机场的裂缝检测方法。该方法首先提出一种基于高斯拟合的灰度校正方法对道路路面图像进行灰度校正,减少灰度不均的干扰;然后利用马尔科夫随机场对图像进行分割并提取出裂缝类;最后利用裂缝连接与形态学的方法连接有断点的裂缝并去除噪声。此方法提取的噪声较为完整,受灰度不均匀的影响较小,并抗噪能力较好,适用于灰度不均匀,噪声复杂的路面图像。本文将此3种方法与交科院裂缝检测的实际情况相结合针对3种不同的路面情况,改善道路裂缝检测错误识别率高、细小裂缝检测难、裂缝提取不完整等问题。此叁种方法均能够从路面图像中提取出裂缝,且提取效果较好,具有一定的实用价值。最后通过对本文提出的3种方法进行分析对比实验,反映出近年来热门的裂缝检测算法的特性。(本文来源于《重庆交通大学》期刊2018-06-11）
宰柯楠[3]（2017）在《道路裂缝图像识别的算法研究》一文中研究指出我国公路的发展一日千里。道路质量的及时检测在延长道路使用寿命的同时,也可以避免路面病害给行车安全方面带来的隐患。考虑到人工检测方法存在效率低、精度低、危险系数较高等缺陷,路面裂缝的自动检测系统成为道路养护方向的热点研究问题,而裂缝自动检测算法则为自动检测系统的核心内容。依据国内外已有的道路裂缝检测相关算法,本文对裂缝检测算法进行了研究与设计。首先,单纯地从对裂缝图像进行裂缝检测的角度出发,需要对传统的脉冲耦合神经网络(PCNN)模型进行简化改进,这不仅可以降低传统PCNN在模拟过程中的计算复杂度,而且保留了其原有的神经元运行特征,使其可以应用于裂缝图像的目标检测。针对PCNN无法确定裂缝图像的最优检测以及脉冲门限具有非线性因子的问题,提出了一种基于遗传算法(GA)和简化PCNN的裂缝图像检测方法—GA-PCNN。该方法采用改进后的最小误差准则作为遗传算法的适应度函数,并且根据遗传算法具有全局最优解的特点确定简化PCNN中各因子的值,实现了简化PCNN的裂缝图像自动分割。在使用GA-PCNN算法对裂缝图像进行处理后,通过一种形态学的抗噪多结构元素边缘提取算子对其裂缝边缘进行提取,然后使用一种基于生长的连接方法对断裂的裂缝块进行边缘连接。基于MATLAB R2009a平台对本文算法进行实验仿真,通过与不同的检测方法进行比较,以区域对比度、ROC曲线这些客观指标为基准对其性能进行分析。分析结果表明,该方法对裂缝图像检测具有较好的有效性与通用性。最后,对利用上述方法得到的裂缝目标图像,进行裂缝特征信息的提取、分类及计算。经过对检测后的图像设置一系列判定条件,提取图像中连通域信息;同时通过观察裂缝在坐标轴投影所呈现的特点,对目标裂缝进行分类;通过细化的方法提取裂缝骨架,并对目标裂缝的面积及长度、宽度信息进行计算。(本文来源于《郑州大学》期刊2017-05-01）
李江[4]（2013）在《基于图像的道路裂缝识别算法的研究》一文中研究指出随着国家高速公路建设的大规模展开，道路养护成为了一个越来越重要的环节。如何高效、便捷、快速的发现高速公路上的道路裂缝，然后针对裂缝的不同类型制定相应的修补策略进行道路养护成为公路养护人员所面对的一大难题。过去的路面养护方式都是按照人工或者半自动的方式来完成对道路裂缝的检测以及分类工作，这种做法耗费大量的人力物力，同时也容易受到人为因素的影响。因此研究和设计一套自动的道路裂缝识别系统具有重要的理论和现实意义。参考现有对道路裂缝分类方法，本文将道路裂缝分为未修补裂缝与修补裂缝两个大类。其中未修补裂缝又分为横向裂缝、纵向裂缝、块状裂缝以及龟裂裂缝。本文主要针对高噪声背景下的修补裂缝的检测问题以及未修补裂缝的分类问题进行了研究。对于修补裂缝的检测问题，本文利用修补裂缝的灰度以及方差特性，将道路图像经过预处理、图像分割、修补裂缝提取等步骤，得到修补裂缝标记图像。对于四种未修补裂缝分类问题，研究它们在方向以及分布密度上的差异性来进行裂缝类型的划分。利用2D特征映射以及Delaunay叁角剖分等方法，求取相关特征参数来对这些差异性特征进行描述，从而达到裂缝分类的目的。本文最后利用Matlab/GUI仿真工具设计算法演示平台并对算法进行仿真实验，并通过评估实验验证了算法的有效性。本文算法的设计秉承以实际应用为原则，体现了一定的算法适用性。(本文来源于《华中科技大学》期刊2013-05-01）
肖靖[5]（2009）在《道路裂缝识别算法研究》一文中研究指出道路裂缝检测在公路养护中占有十分重要的地位。传统基于人工检测的方法已不能适应我国道路发展的要求。人工检测存在着开销大、检测慢、危险、影响交通、不精确等缺点。因此,需要一种新方法来提高检测效率。目前基于数字图像技术的道路裂缝检测方法已成全球研究热点。该方法首先使用数字摄像机采集路面图像,再利用计算机进行图像处理,最后得到裂缝信息。然而,由于受路面复杂性、多样性的影响,一般的检测算法往往存在适用性不强,识别率低等缺点。为此,本文提出了一种新的检测算法以适应不同路面,不同光照的情况。本算法首先对图像进行预处理操作,随后使用BP神经网络对预处理得到后的图像进行裂缝区域的识别,最终从识别结果图中提取出裂缝信息。在图像预处理操作中,首先通过中值滤波和傅里叶变换消除图像中的噪声;再使用部分重迭的直方图均衡方法消除光照不均匀的影响;最后利用高提升滤波模板锐化图像,突出裂缝的细节特征。在预处理得到的图像的基础上,本文使用BP神经网络进行裂缝区域的识别。首先将原图像划分为面积较小的正方形子块,结合裂缝特征提取每个子块的特征参数;然后根据这些特征参数,利用BP神经网络对在子块中是否存在裂缝进行判别;最后利用Hough变换去除水泥道路的接缝噪声。最终,从识别结果图中提取裂缝信息。根据得到的识别结果图,设定一系列判定条件,提取出裂缝的连通域;对这些连通域进行开闭操作,达到去除毛刺、空洞、缺口的目的;最后使用骨架化算法得到裂缝骨架,并计算出裂缝长宽信息。(本文来源于《北京邮电大学》期刊2009-01-15）
道路裂缝识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
由于行车压力、天气和人为等原因,路面灾害出现情况愈加频繁,严重影响道路的使用寿命和行车安全。尤其在高速公路,路面灾害引发的不利影响会更加明显。裂缝作为典型的路面灾害之一,若能及时发现并妥善报备处理,不仅可以大大降低行车危险,还能极大地节约道路养护的费用。因此裂缝自动检测方法就显得极为迫切与重要。现有的方法与系统还不能实现道路裂缝的全自动检测,并且目前学者们对复杂噪声干扰下的裂缝检测研究较少,而在实际情况下,裂缝检测需考虑到阴影、污渍、光照和灰度不均匀等诸多干扰因素,因此一种能够应用于实际情况并较好地实现裂缝自动检测的方法就显得极为重要。本文将影像线特征识别方法与常用的裂缝检测方法相结合并加以改进,提出3种针对不同路面情况的裂缝检测算法:针对路面噪声较少与光照条件较好的路面图像,本文提出的基于自适应移动平均阈值的自动检测方法。该方法提出了一种移动平均自适应阈值分割方法对图像粗分割;然后设定线性结构的连通域规则对粗分割的细小斑块、阴影与水渍噪声去除;最后基于Hough变换对裂缝图形自动检测。此方法是基于空间域的局部灰度差异的检测,主要应用于细小与微灰度差异裂缝的检测。由于此方法是一种空间域的算法,速度较快,适用于路面噪声较少情况下的裂缝检测。针对路面噪声复杂,本文提出一种基于相位一致性与形态学的裂缝检测方法。该方法首先基于相位一致性原理对图像进行粗分割;然后基于裂缝连接规则连接裂缝;最后以形态学的知识将连接后的裂缝图像去除噪声。此方法受非线性噪声的干扰较小,适用于噪声较为复杂、受灰度不均影响较小的路面影像,能够较好地提取线性裂缝。针对路面裂缝图像受灰度不均匀影响严重的问题,本文提出一种基于马尔科夫随机场的裂缝检测方法。该方法首先提出一种基于高斯拟合的灰度校正方法对道路路面图像进行灰度校正,减少灰度不均的干扰;然后利用马尔科夫随机场对图像进行分割并提取出裂缝类;最后利用裂缝连接与形态学的方法连接有断点的裂缝并去除噪声。此方法提取的噪声较为完整,受灰度不均匀的影响较小,并抗噪能力较好,适用于灰度不均匀,噪声复杂的路面图像。本文将此3种方法与交科院裂缝检测的实际情况相结合针对3种不同的路面情况,改善道路裂缝检测错误识别率高、细小裂缝检测难、裂缝提取不完整等问题。此叁种方法均能够从路面图像中提取出裂缝,且提取效果较好,具有一定的实用价值。最后通过对本文提出的3种方法进行分析对比实验,反映出近年来热门的裂缝检测算法的特性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
道路裂缝识别论文参考文献
[1].冯卉.基于深度学习的道路裂缝识别算法研究与实现[D].北京邮电大学.2019
[2].余俊辰.影像线特征自动识别方法及在道路裂缝检测中的应用研究[D].重庆交通大学.2018
[3].宰柯楠.道路裂缝图像识别的算法研究[D].郑州大学.2017
[4].李江.基于图像的道路裂缝识别算法的研究[D].华中科技大学.2013
[5].肖靖.道路裂缝识别算法研究[D].北京邮电大学.2009