论文总字数：26206字

摘 要

现在大多数早期建成的公路都进入了养护维修阶段，要对产生病害道路及时进行维护，避免病害进一步扩展。国内公路路面检测大多采用人工或半机械化方法为主，不利于道路养护管理的现代化。机器学习是一种目前应用较广的机器自主学习的工具，通过利用数据，训练出模型，然后使用模型预测的一种方法，训练的比较好的模型可以达到甚至超过人的判断准确度。

针对传统路面裂缝检测方法工作环境危险、检测结果带有主观性的现状，提出一种基于机器学习的路面裂缝检测与分类方法，即利用数字摄像机获取路面裂缝图像，通过数字图像处理并对裂缝进行识别分类，首先对图像整体进行匀光处理去除不均匀光照；然后运用小波变换对裂缝目标增强，并对高频部分采用形态学去除连通域的方法，用闭运算连接裂缝，经对比该方法权衡了计算效率与处理效果；最后根据图像投影提取裂缝特征，运用支持向量机决策树模型对裂缝进行分类，与几何特征分类方法相比，识别效果更好，满足工程裂缝识别精度90%的要求。

关键词：机器学习；匀光处理；小波变换；形态学；支持向量机

Abstract

Most of the early roads that have been built now have entered the maintenance and repair phase, and the diseased roads should be maintained in a timely manner so as to avoid further expansion of the disease. Most domestic road pavement inspections use artificial or semi-mechanized methods and are not conducive to the modernization of road maintenance management. Machine learning is a kind of machine self-learning tool which is widely used at present. By using data, training a model and then using a method of model prediction, A better model of training can reach or even exceed the accuracy of human judgment.

In view of the current situation that the traditional pavement crack detection method is dangerous in the working environment and the test results are subjective, A method for detecting and classifying pavement cracks based on machine learning is proposed, which is to use digital cameras to obtain pavement crack images, identify and classify cracks through image processing. Firstly, the entire image is homogenized to remove uneven illumination. Then the wavelet transform is used to enhance the crack target, and the connected region of the high frequency part is removed by morphological method, the closed operation is used to connect the cracks, compared with other methods, it weighs computational efficiency and processing effectiveness; finally, the crack feature is extracted according to the image projection. The support vector machine decision tree model is used to classify the cracks. Compared with the geometric feature classification method, the effect is better and meets the requirement of engineering crack recognition accuracy.

Key Words: machine learning; homogenize; wavelet transform; morphological method; The support vector machine

目录

第一章 绪论 5

1.1 课题背景及研究意义 5

1.2 国内外路面裂缝识别研究现状 5

1.3 裂缝识别算法面临的问题 7

1.4 论文研究内容及安排 7

1.4.1 本文研究内容 7

1.4.2 本文的内容安排 8

第二章 裂缝图像匀光处理 9

2.1 获取路面裂缝图像 9

2.2 马斯克匀光处理 9

2.2.1 马斯克匀光法的原理 10

2.2.2匀光法的基本处理流程 10

2.2.3 背景图像的获取 11

2.2.4 输出图像 13

第三章 裂缝图像处理 15

3.1 全局灰度增强（直方图均衡化） 15

3.2基于局部均方差的图像局部对比度增强算法 15

3.3 基于边缘的分割方法 17

3.3.1 微分算子法 17

3.3.2 Laplacian算子 18

3.3.3 Canny边缘检测法 18

3.4 基于区域生长的分割方法 19

3.5 基于小波变换的图像增强 20

3.6 形态学处理 21

3.6.1 闭运算 21

3.6.2 连通域处理 21

3.7 本章小结 23

第四章 基于SVM决策树算法的裂缝目标分类 24

4.1 裂缝的类型及损坏程度 24

4.2 裂缝特征 24

4.4支持向量机（SVM）裂缝分类 26

第五章 总结与展望 29

5.1 本文总结 29

5.2 未来工作展望 30

致 谢 31

参考文献 32

第一章 绪论

1.1 课题背景及研究意义

我国公路交通建设一直作为国家最基础、最关注也是投资较大的基础建设工程，经过多年的发展和新材料技术的运用，新道路在不断地修建，但更重要的是不少老路已经出现了不同程度的损坏，过往的经验说明不加以及时的养护产生的维护重建费用是很高的，目前传统的道路管理模式已经不太适合于中国目前公路运输体系，急需向现代养护转型，不论是新修建的道路还是老路，及时的养护可以避免路面损坏进一步发展，引起过大的损失。截止2015年底，全国公路总里程达到457.7万公里，其中高速公路12.4万公里，二级及以上公路57.5万公里，国省干线公路中二级及以上公路比例达77%；全国公路养护里程达到438.7万公里，养护比例达到98%，但养护的效果与资金投入不成正比。即将出台的《“十三五”公路养护管理发展纲要》中将推进公路养护、管理、服务的发展，摆在了非常重要的位置^[1]。

资金短缺，－直都是制约养护管理发展的最大症结。数据显示要维持现有457.7万公里的路网正常运营，每年需养护管理与运营经费约3500亿元，目前用于公路养护资金只能满足需求的一半左右。随着未来我国公路网规模的逐步扩大，养护资金需求将更加庞大。预计2020 年基本完成大规模路网建设后，每年维护费需要4000 亿元，公路养护资金短缺的矛盾将更加突出 ^[2] 。并且随着人们生活水平和生活需求的提高，我国现在的汽车数量越来越多，导致公路的负载压力增大，加快了公路的损坏速度，又会增加相关部门每年投入的道路养护资金，给政府造成了极大的经济损失。

剩余内容已隐藏，请支付后下载全文，论文总字数：26206字