一種基于分類器集成的路面破損類型識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明專利涉及智能交通研究領(lǐng)域,尤其是路面養(yǎng)護(hù)管理工作中實(shí)現(xiàn)路面破損類 型的自動化識別方法。
【背景技術(shù)】
[0002] 交通量的增加以及車輛大型化、超載嚴(yán)重等現(xiàn)象導(dǎo)致路面破損的出現(xiàn),嚴(yán)重影響 道路交通的安全性和舒適性。路面養(yǎng)護(hù)是公路養(yǎng)護(hù)的重點(diǎn),而路面破損狀況作為路面養(yǎng)護(hù) 管理工作的依據(jù)在路面養(yǎng)護(hù)決策中占據(jù)重要地位。路面圖像類型有橫裂、縱裂、網(wǎng)裂和正常 等類型,傳統(tǒng)的路面破損檢測方法是采用人工檢測,但該方法工作效率低,勞動強(qiáng)度大,作 業(yè)危險(xiǎn)程度較高,且受天氣條件等影響較為嚴(yán)重,已不適應(yīng)高等級公路快速發(fā)展的需求。因 此研究設(shè)計(jì)智能化、高檢測率的路面破損識別方法成為提高路面養(yǎng)護(hù)管理工作的關(guān)鍵技術(shù) 問題之一。
[0003] 數(shù)字圖像處理技術(shù)、智能傳感技術(shù)與電子信息技術(shù)在交通領(lǐng)域的應(yīng)用為交通的智 能化和信息化做出了巨大的貢獻(xiàn)。為有效地實(shí)現(xiàn)路面破損的智能化識別,許多研究機(jī)構(gòu)及 學(xué)者相繼開展了相關(guān)研究工作,目前,對于路面破損圖像的特征描述使用較多的是采用區(qū) 域及幾何特征描述,孫奧等提出了一種利用支持向量機(jī)對路面病害進(jìn)行分類的方法,但該 方法只適用于裂縫類病害,而對于非裂縫類不規(guī)則破損分類效果較弱。本專利提出了一種 采用串行聯(lián)合策略構(gòu)建聯(lián)合特征來表征路面破損圖像,并基于交叉核支持向量機(jī)構(gòu)建隨機(jī) 子空間集成分類器對鋪面破損類型進(jìn)行識別的方法,可有效地提高路面破損圖像類型的識 別效率。
【發(fā)明內(nèi)容】
[0004] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)存在的不足,提供一種基于分類器集成的路面破 損類型識別方法,有效地表征公路路面破損特征并進(jìn)行高效率地識別,以用于智能化交通 方面,特別是為公路管理工作中路面養(yǎng)護(hù)方面提供了高效、智能化的管理依據(jù)及方法。
[0005] 本發(fā)明采用的技術(shù)方案為:一種基于分類器集成的路面破損類型識別方法,包括 以下步驟:
[0006] 1)對檢測到具有破損的路面圖像進(jìn)行同態(tài)濾波預(yù)處理;
[0007] 2)采用經(jīng)過預(yù)處理后的路面圖像構(gòu)建路面破損圖像數(shù)據(jù)庫,該數(shù)據(jù)庫包括橫裂、 縱裂、網(wǎng)裂和沉降等破損類型,并保證該數(shù)據(jù)庫中圖像樣本的均衡性,即圖像大小一致,數(shù) 量相等;
[0008] 3)分別采用Contourlet變換和邊緣方向直方圖法提取路面破損圖像的特征向 量,并采用串行聯(lián)合策略構(gòu)建路面破損圖像的聯(lián)合特征向量;
[0009] 4)基于交叉核支持向量機(jī),構(gòu)建隨機(jī)子空間集成分類器對路面破損圖像進(jìn)行識 別。
[0010] 作為優(yōu)選,所述步驟1)中,同態(tài)濾波是把頻率過濾和灰度變換結(jié)合起來的一種圖 像處理方法,該方法首先對圖像進(jìn)行對數(shù)變換,實(shí)現(xiàn)對圖像的灰度拉伸,然后對經(jīng)過對數(shù)處 理后的圖像進(jìn)行傅里葉變換將圖像轉(zhuǎn)換到頻率域,并通過對圖像進(jìn)行頻域?yàn)V波實(shí)現(xiàn)圖像的 去噪處理,最后,對圖像進(jìn)行傅里葉逆變換和指數(shù)運(yùn)算即得到同態(tài)濾波處理后的路面破損 圖像。
[0011] 作為優(yōu)選,所述步驟3)中,Contourlet變換將小波的優(yōu)點(diǎn)延伸到高維空間,能夠 更好地刻畫高維信息的特性,更適合處理具有超平面奇異性的信息,其基本思想是采用拉 普拉斯金字塔分解得到邊緣的孤立斷點(diǎn),并使用二維方向?yàn)V波器組將方向一致的斷點(diǎn)連接 成線,從而形成基本的輪廓段,因此,采用Contourlet變換提取路面破損圖像的高維紋理 特征向量A。
[0012] 邊緣方向直方圖是對圖像邊緣信息及梯度信息的綜合描述,其基本思想是圖像的 局部形狀特征可以由局部灰度梯度和邊緣方向來表征,將一副圖像劃分為多個(gè)子圖像,并 按照水平邊緣方向、垂直邊緣方向、對角邊緣方向(包括兩個(gè)斜對角)和無邊緣方向五個(gè)方 向?qū)Ω髯訄D像的梯度直方圖進(jìn)行分類,對各梯度直方圖按照劃分的分類方向進(jìn)行統(tǒng)計(jì),因 此,采用邊緣方向直方圖法提取路面破損圖像的直方圖特征向量B。
[0013] 由于不同的特征描述存在彼此的互補(bǔ)性,因此,采用串行聯(lián)合策略構(gòu)建路面破損 圖像的聯(lián)合特征向量,即對于路面破損模式樣本空間A,B e Ω,則組合后的串行聯(lián)合特征 向量為
[0014] '.H = (/Ui) ⑴
[0015] 其中,A和B分別為N維和M維特征向量,串行聯(lián)合特征向量洱為(M+N)維。
[0016] 作為優(yōu)選,所述步驟4)中,按照均勻分布原則從路面破損圖像的聯(lián)合特征向量M 中隨機(jī)選取訓(xùn)練樣本子集A1,1 < i < H,H為訓(xùn)練樣本子集的個(gè)數(shù),BP
[0017] A1=(Q1J1) (2)
[0018] 其中,a Α,β # Β,α ;和β ;分別為η維和m維特征向量,Λ ;為m+n維特征 向量。
[0019] 采用訓(xùn)練樣本子集AM練交叉核支持向量機(jī),生成隨機(jī)子空間子分類器 C1 (Λ J,并定義該子分類器集的投票權(quán)重為
[0022] 其中,為所有被錯(cuò)誤分類的樣本的權(quán)重,如果Λ 被正確的分類,則^ =〇, 反之,
表示各分類器的權(quán)重,本專利4
[0023] 根據(jù)隨機(jī)子空間子分類器C1(A1) (i = 1,2,…Η)構(gòu)建路面破損圖像類型識別的隨 機(jī)子空間集成分類器C (Λ ),該集成分類器識別結(jié)果的判別原則為
[0024]
[0025] 其中,71為隨機(jī)子空間子分類器C1(A1)的分類結(jié)果,如果δ (Λ)彡H/2,則隨機(jī) 子空間集成分類器C(A)檢測到路面圖像的破損,否則,該路面圖像不存在破損信息。
[0026] 有益效果:本發(fā)明針對CCD路面破損圖像,采用串行聯(lián)合策略構(gòu)建聯(lián)合特征來表 征路面破損圖像,并基于交叉核支持向量機(jī)構(gòu)建隨機(jī)子空間集成分類器來對路面破損類型 進(jìn)行識別,可有效地提高路面破損圖像類型的識別效率,為公路管理工作特別是路面養(yǎng)護(hù) 工作提供高效、智能化的管理依據(jù)。
【具體實(shí)施方式】
[0027] 下面結(jié)合【具體實(shí)施方式】對本發(fā)明技術(shù)方案作進(jìn)一步說明:
[0028] -種基于分類器集成的路面破損類型識別方法,包括以下步驟:
[0029] 第一步:對檢測到具有破損的路面圖像進(jìn)行同態(tài)濾波預(yù)處理,同態(tài)濾波首先對路 面破損圖像進(jìn)行對數(shù)變換,實(shí)現(xiàn)對圖像的灰度拉伸,然后對經(jīng)過對數(shù)處理后的圖像進(jìn)行傅 里葉變換將圖像轉(zhuǎn)換到頻率域,并通過對圖像進(jìn)行頻域?yàn)V波實(shí)現(xiàn)圖像的去噪處理,最后,對 圖像進(jìn)行傅里葉逆變換和指數(shù)運(yùn)算即得到同態(tài)濾波處理后的路面破損圖像。
[0030] 第二步:采用經(jīng)過預(yù)處理后的路面圖像構(gòu)建路面破損圖像數(shù)據(jù)庫,該數(shù)據(jù)庫包括 橫裂、縱裂、網(wǎng)裂和沉降等破損類型,并保證該數(shù)據(jù)庫中圖像樣本的均衡性,即圖像大小一 致,數(shù)量相等。
[0031] 第三步:分別采用Contourlet變換和邊緣方向直方圖法提取路面破損圖像的特 征向量,并采用串行聯(lián)合策略構(gòu)