[碩士]路面圖像的分類識別

內容簡介

　　[碩士]路面圖像的分類識別　　學科專業(yè)：計算機應用技術　　授予學位：碩士　　學位授予單位：河北工業(yè)大學　　學位年度：2009　　路面破損圖像識別是圖像處理和模式識別研究中的熱點問題，近年來受到越來越多研究者的重視。本文主要內容就是圍繞路面破損圖像的識別問題，研究各種破損圖像的分類識別技術。通過對公路路面上可能出現(xiàn)的各種破損現(xiàn)象進行歸納和分析，研究它們出現(xiàn)的原因;在破損二值圖像的基礎上，提取圖像的特征使用分類器來對裂縫進行分類。本文的主要研究成果包括:　　 1)提出基十破損圖像的線性特征、結構特征和分形維數(shù)特征的提取方法。在傳統(tǒng)的圖像識別中，提取的圖像特征并不能對路面破損圖像進行全面的描述，對破損圖像的識別效果達不到人們的要求。本文認為提取的破損圖像的特征應該更加緊密的同圖像中的破損情況密切相關，在這種思想下，本文提取破損的線性特征、結構特征和分形維數(shù)特征對圖像進行識別，并和傳統(tǒng)的特征提取方法Proximity算法、密度因子算法作比較，結果證實新的特征提取方法具有較好的適應能力和識別效果。　　 2)在分類器的設計方面，本文主要使用支持向量機來設計分類器，并在論文中討論了它的優(yōu)缺點。針對分類器的網(wǎng)絡拓撲結構，分析了支持向量機的主要參數(shù)對優(yōu)化性能的影響。在提高分類器的識別效果的理論指導下，將遺傳算法和支持向量機方法進行了有效的結合。實驗表明，遺傳算法和支持向量機相結合的方法能夠進一步的提高識別破損圖像的準確率和魯棒性。　　 3)通過對真實路面裂縫進行采集并得到相應的路面裂縫圖像。對這些圖像進行特征提取，然后分別建立神經網(wǎng)絡和支持向量機分類器模型并對采集到的圖像進行分類，通過多次實驗，結果顯示在訓練樣本數(shù)較少的情況下支持向量機對未知樣本的識別率和泛化能力都要優(yōu)十神經網(wǎng)絡?！　? 通過上述工作，本文對路面破損圖像的分類問題進行了深入研究。研究結果表明:基十線性、結構和分形維數(shù)理論的特征和破損圖像識別問題緊密相關，并目_能夠充分的體現(xiàn)路面破損圖像的具體信息;通過使用遺傳算法改進的支持向量機分類器模型，不僅有效地提高了對破損圖像分類識別的準確率，而且能增強支持向量機分類器的魯棒性。

專題推薦