1、傳統(tǒng)的人工檢測路面破損的方法存在很多缺點，愈來愈不能適應(yīng)高速公路發(fā)展的要求，迫切需要實現(xiàn)路面狀況的自動檢測?，F(xiàn)有的路面破損狀況自動檢測設(shè)備能夠較好地識別路面有無破損，但對路面破損的分類還存在問題。 本論文主要針對路面破損分類這一難題展開研究。通過對五種常見路面破損圖像特征的分析，首次提出了破損密度因子的概念，并對其基本形式進行了定義，同時定義了破損密度因子與路面子塊圖像進行運算的方式。在此基礎(chǔ)上，提出了一種路面破損特征提取新方法

2、，即用破損密度因子對路面破損圖像進行特征提取的方法。該方法先將路面破損圖像等分為一定大小的子塊圖像，然后對子塊圖像進行模式分類，分類結(jié)果組成的矩陣作為路面破損圖像的整體特征。 在對路面破損圖像分析的基礎(chǔ)上，進一步對算法的可擴展性進行了研究。研究密度因子的結(jié)構(gòu)對各類路面破損圖像識別的影響，以及密度因子的規(guī)模大小與其對路面破損圖像表征程度的關(guān)系，最終設(shè)計出三種不同結(jié)構(gòu)的密度因子，并提取了路面破損圖像的特征量，從而得到基于密度因子的三

3、種路面破損分類算法，即基本密度因子算法、方向密度因子算法和混合密度因子算法，這表明本文提出的基于密度因子的破損分類算法具有良好的可擴展性。 為了驗證基于密度因子的三種路面破損分類算法的有效性，本文采用BP神經(jīng)網(wǎng)絡(luò)對三種算法進行了仿真研究，仿真結(jié)果表明，基于密度因子的三種路面破損分類算法對常見路面破損圖像分類是非常有效的，混合密度因子算法是這三種算法中識別率最高的一種。 論文的研究成果為解決路面破損圖像自動分類這一難題提供