一、基于MATLAB的裂缝检测系统设计
- 课题背景
高速公路承担着各个城市之间人口流动、货物运输的重担。自改革开放至现在，我国的道路交通发展基础设施越来越完善，规模不断扩大，报告显示，2019年我国高速公路里程位居世界第一。但是这背后同时还承担着巨大的道理养护工作。公路建成并不代表就可以一劳永逸，人类有寿命、动物也有寿命、植物有寿命、同样公路也是有寿命的。道路在投入使用后，会因为各方面的原因，产生不同程度上的损坏，因此及时需要及时检查道路状况对其进行养护工作，而传统的人工检测在各方面并不能满足这种需求。从成本上来看，传统的人工检测需要花费大量的人力和时间；从应用范围上看，并不是所有场景都适合人工检测；从安全上来看：在一些危险的检测地方，检测人员的安全无法保证；从效率上来看：人工检测不能保证检测效率以及准确度。裂缝检测尽早的发现，会减小很多损失。美国公布了超过1000000座桥梁的早期图像，许多桥梁在施工后就出现了开裂，但没有及时处理，后期为了修复投入了大量的人力物力[1]。随着数字图像的告诉发展，人们开始采用数字图像技术对裂缝进行自动检测，自动裂缝检测系统已经发展为快速且可靠的路面裂缝检测，替代效率低且不客观的人工检测[2]。自动裂缝检测可以延长道路寿命，实现建设高质量公路的目标[3]。本文要讨论的就是基于MATLAB的裂缝检测系统。
- 国内外研究现状
基于数字图像的裂缝检测已经研究了多年，但由于现实环境因素的影响，目前的研究仍然是进行阶段[4]。
1 国外研究现状
路面裂缝自动检测，起始于20世纪60年代后期的日本[6]，研究出了第一代快速路面检测设备，但真正投入使用是1974年的法国的GERPHO系统[7]，这个系统采用的是35mm的电影胶片，将采集到的路面图像存储在胶片上，技术人员通过胶片了解到路面的各种情况，并将其记录下来，虽然在采集过程中没有使用人力，但是后期的数据统计还是投入了大量人力且耗时较长，而且当时的设备条件，该系统只能在夜晚使用。到20世纪80年代，以日本小松财团研制的KOMATSU系统[8]为代表的的路面裂缝检测系统将采集到的数据利用信号处理器和传感器传输给存储设备，之后利用大律法进行图像分割后提取特征，通过图像的降噪、拼接和恢复还原图像。该系统在一定程度上已经实现了自动裂缝检测，但可惜的是当时还不能对路面裂缝进行分类，与GERPHO系统一样只能在夜间工作。在20世纪90年代中后期，加拿大的Roadware公司在KOMATSU系统[8]的基础上研发了ARAN系统，比起KOMATSU系统，ARAN系统配置了高强度的闪光灯，攻克了前两代系统只能夜间工作的难题，并且首次提出了方差阈值分割的算法。但是受到当时同步检测技术的限制，该系统在采集路面裂缝图像时常常会发生图像缺失和重叠的情况，而且数据处理效率并不是太过于理想。2012年，Ruocci等人通过独立分析水平测线来检测裂缝[5]。2014年，Adhikar RS.等人提出了基于仿射变换序列的图像拼接和基于神经网络的预测模型，能够较好的实现裂缝宽度和周长的测量[8]。2017年，Cha利用滑动窗口的方法，将一张大图片分割成若干张子图像，对每一个子图像进行分类，从而将混凝土裂缝区域从原始图像中标记出来[9]。
2 国内研究现状
我国的道路建设始于20世纪80年代改革开放政策的实施，因此相对于国外在道路检测这一块的发展，也相应的更晚一些。但就这短短的几十年，我国在路面检测上也取得了一些可喜的成绩。我国第一辆路面裂缝检测车诞生在2002年年底，是由江苏的几家研发机构共同研制。具有路面破损检测、路面平整度检测和路面车辙检测三大功能，但是在定位和传送方向上还有些许欠缺。2003年，南京理工大学高建贞等教授研发了JN-1智能检测车，利用阈值分割校正灰度不均的图片，之后进行分割提取、去噪等一系列处理。但该系统存在采集数量较少、检测效率低下的问题。2008年，武汉大学卓越科技与湖北合力专用汽车公司合作研发出了ZOYON-RTM,该检测可以得到道路实施立体图像，可以达到1mm的车辙深度的检测精度[10]。同年，哈尔滨工业大学的研究团队与哈尔滨国畅智能交通技术有限公司联合开发的“国畅”利用航天导线技术和激光发射测术相结合克服了路面平整度检测的难题[6]。2009年，北京市中科盈恒科技有限公司研发的道路多功能检测车能快速实时检测路面的平整度、路面破损状况等[11]。2012年，同济大学开发了通过CCD阵相机、红外雷达等设备提高系统检测和识别能力的检测车[6]，该检测车在检测精度方面大大提高，但需要往返多次才能完成全面检测工作。2014年彭博提出一种能自动分类路面裂缝图像裂缝的改进算法，且能判断其受损程度[12]；2013年，郭 全民等采用图像处理技术实现了路面裂缝的自动识别和病害参数的自动提取[13];2015年，张南朝等设计的路面裂缝检测系统可以从多方向，按照梯度比例的取值范围去噪，而且还可以对裂缝进行分类并统计[14]；2017年，深圳大学的Zhang Dejin等人设计出了基于空间聚类的裂缝检测系统提高了裂缝识别的准确性[15]。2019年，李刚、高振阳等人提出的基于全局卷积网络的路面裂缝识别可以准确提取混凝土表面裂缝[16]。
（三）研究主要成果
近年来，国内外研究人员在路面裂缝检测方面投入的许多精力，同样也收获了很多的成果。在图像去噪方面，王兴建等运用结合灰度去噪、空间滤波等的多级去噪模型去除图像的复杂背景纹理噪声[17]；王澍提出能去除复杂背景下噪音的多特征融合裂缝提取算法[17]；Chou等利用模糊技术增强的了路面裂缝图像，虽然除去了因为不均匀光照产生的噪声，但是遗憾的是这一算法不能保持裂缝的边缘[18]。在图像增强方面，Zhang 等利用模糊熵和模糊散度生成的非线性函数有效地增强裂缝图像的全局和局部对比度[15]；刘玉臣等人提出将模糊理论运用于图像增强，用一类广义模糊函数，将灰度图像进行模糊增强的变换，再加以阈值划分进行裂纹的有效提取和分割，但只适用于对比度高的裂缝图像。在图像分割方面，Shah和Wang对基于边缘检测的裂缝分割算法进行了研究，但均未考虑公路病害的自然特性，算法适用对象有限[19]；李倩提出一种改进的Sobel算法，能检查8个方向的边缘，能较好的检测到横、纵向裂缝，但是有时会产生伪边缘；姜吉荣提出结合 Otsu、多特征和形态学的路面裂缝目标提取方法，具有较好的稳定性和实用性[17]；褚文涛将基于全局阈值分割算法、基于边缘特性提取算法和基于区域阈值提取算法三者进行比较，发现基于区域阈值提取算法中的Niblack算法对于裂缝有较好的识别效果，但抑制噪声的能力较弱[20]；Oliveira 等利用形态学操作对裂缝特征进行检测和表征，适用于具有较强边缘性的裂缝检测，涉及到较多的阈值导致其适用范围狭小[19]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
