基于图像处理的路面裂缝检测研究开题报告

1. 研究目的与意义（文献综述）

我国经过改革开发近四十年的飞速发展，公路在承接各地之间经济沟通与发展的作用越来越重要。近年来，我国新建及扩建道路网络不断增加，然而，随着使用年限的增加，工程结构受到建筑材料老化、长期荷载、频发和突发的自然灾害及人为损害等因素的作用，结构损伤不断出现，结构强度持续下降。因此，对于路桥工程而言，为了延长其使用寿命及保证安全性能，必须对它进行阶段性的跟踪检测，及时发现其损伤的部位，以便有效地采取一定的预防措施来延长结构寿命,并且防止灾难事故的发生。随着我国公路建设的日趋饱和，对庞大的公路路网进行及时、科学、合理的养护就显得尤为迫切，也是本课题研究的主要出发点。 常见的路面病害包括因路面开裂造成的裂缝类病害，车辆超重和固定行车位置造成的沉陷、车辙等，以及受道路地质、水文等条件影响形成翻浆、麻面等水损害。高速公路有效提供了物质流通效率，其相应的病害问题也成为道路养护的主要工作对象。目前，我国在高速公路路面病害检测中，主要检测手段还是通过车载高速相机采集高速公路路面图像，在后期使用以人工观测路面图像为主的人工检测，通过人工对路面裂缝的信息进行记录，然后在对裂缝信息分析整理做出相应评定。但在人工检测中存在诸多不足，如自动化程度低，裂缝登记结果受人的主观影响较大，标准并不检测任能做到统，另外人工识别裂缝的效率较低，不能有效解决日益增长的高速路面务和目前高速公路路面检测效率之间的矛盾。因此，对路面裂缝自动检测系统的研究存在极大的实际工程意义，对提高高速公路养护决策制定过程的效奉具有极大帮助。在高速路面病害中，裂缝类病害是主要检测目标，在高速公路的养护工作中需要及时发现和修复。裂缝病害发现越晚，造成的养护维修资金越多，对行车安全影响越大，严重的裂缝病害甚至会需要对路段进行重建。伴随着国家新旧动能装换的大趋势，机器学习和摄像测量计算越来越多的应用于路面裂缝检测领域。通过使用计算机技术对高速公路路面裂缝中的裂缝实现无接触测量能够极大的提高路面检测过程的效率和结果的客观性，因此提高路面裂缝类病害检测手段的自动化程度对道路养护工作技术提高具有重要帮助。 因此，针对路面裂缝图像的复杂性，在传统的图像处理技术的基础上，提出改进的图像处理算法，对提升计算机自动识别路面裂缝的效率具有促进作用。高效、准确地对路面裂缝进行识别分类，能够为公路养护部门制定决策提供科学依据，这样不仅能够防止公路路面病害扩大、大大减少公路资产的流失，而且还能杜绝因路面破损对人民生命和财产安全造成的危害。因此，对公路路面裂缝识别技术的研究具有重要的现实意义。

近二十多年以来，国内外的学者不断的将新的技术用于路面裂缝图像的裂缝增强、裂缝的检测和分割、裂缝种类的分类，伴随着每一次图像处理技术、计算机视觉技术、机器学习、深度神经网络等技术的突破和发展，国内外学者都会提出大量的、有关公路路面裂缝检测和提取的相关技术。近年以来，pami,ieeetransactiononits,iccv，eccv等国际顶级期刊和国际顶级会议上逐渐有研究学者发表有关公路路面裂缝检测和公路路面裂缝提取方面的论文。就目前而言，国内外的研究学者对于公路路面裂缝的检测和提取技术主要集中在以下三个方面:公路路面裂缝影像的图象预处理技术，公路路面裂缝目标的分割算法，公路路面裂缝种类的分类算法。 南京理工大学在2004年底，成功研制出“jg-1型激光智能检测系统”。该系统全部是由我国科研人员自主研发，且其中诸多技术都是国内首创。该系统装备了高精度ccd摄像机，采用入住式照明系统，有效地提高了图像分辨率。但是，该系统在某些方面仍然存在着一些不足，例如在道路路面破损图像的识别分类技术方面仍然不够成熟，每次工作只能检测单一数据，然后再将各个子系统的数据信息累加，对同一路段不能实现所有指标同步检测等。

2. 研究的基本内容与方案

本次研究主要是设计一种基于图像处理的路面裂缝检测系统，利用分数阶微分、模糊逻辑、边缘检测、阈值分割、数学形态学、机器学习等理论，对路面裂缝识别技术中的图像预处理和图像分类方法进行了研究，从而实现对路面裂缝的检测与分类识别。

本次研究采用数字图像处理技术和机器学习理论作为路面裂缝检测的研究方法。首先提出了一种基于分数阶微分和模糊集理论的图像增强和去噪方法。使用MATLAB语言作为编程语言对裂缝图像进行图像增强和去噪算法，利用图像梯度与分数阶微分的函数关系，提出了自适应分数阶微分算法，在突出路面裂缝边缘的同时，保留其纹理细节;结合人眼视觉特性，采用改进的模糊集理论有效地对路面背景进行去噪，二者有机的结合对路面图像的预处理有良好的效果。然后，在经过图像预处理的基础上，本文对路面图像分别进行了几种边缘检测算法和阈值分割算法的实验，通过对比采用最大类间方差法对路面图像进行分割处理;利用数学形态学，将四种基本运算组合使用，对分割后的孤立噪点进行了去除，提取出裂缝并对其细化。最后，使用PYTHON语言构建支持向量机SVM实现对裂缝图片的分类识别，提取了路面裂缝分别在水平和垂直方向的投影像素，以及裂缝像素总数作为路面裂缝图像的特征值，采用“一对其余”的分类方法，以径向基为核函数构造SVM分类器，从而实现对路面裂缝图像进行分类识别。

3. 研究计划与安排

（1）第1-3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础，确定方案，完成开题报告；（2）第4-5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用，论文开题；（3）第6-12周：实现基于图像处理的路面裂缝检测系统的设计与论证，撰写论文初稿，并交由指导老师审阅；（4）第12-15周：根据指导老师提出的修改意见对论文进行修改，完成论文的最终定稿，准备论文答辩；（5）第16周：进行论文答辩。

4. 参考文献（12篇以上）

【1】张扬. 基于图像处理的公路路面裂缝识别技术的研究[d].昆明理工大学,2018.

【2】姚立平,潘中良.基于图像处理的路面裂缝检测系统设计与研究[j].广东石油化工学院学报,2019,29(04):41-44 58.

【3】袁文婷. 基于图像分析的路面裂缝病害识别研究[d].南京信息工程大学,2019.