1、基于人工視覺的傳統(tǒng)路面病害檢測分類方法耗時、耗力、花費高、危險且影響交通,已很難適應(yīng)現(xiàn)代化路網(wǎng)規(guī)模的快速發(fā)展。近年來,為克服傳統(tǒng)路面病害檢測分類方法的局限性,同時為適應(yīng)現(xiàn)代化大規(guī)模的公路養(yǎng)護需求,許多專家嘗試研究智能的路面病害檢測分類系統(tǒng),因此路面圖像預(yù)處理、病害檢測和病害分類成為了公路交通科技和模式識別領(lǐng)域的研究熱點。
　　本文運用圖像處理和模式識別技術(shù),完成了路面圖像預(yù)處理、病害檢測和病害分類算法。具體研究內(nèi)容如下:
　

2、　(1)探索合適的路面圖像預(yù)處理算法。由于路面圖像相比其他圖像更為復(fù)雜,常規(guī)的圖像預(yù)處理算法不一定能突顯路面病害信息,因此有必要探索出適合路面圖像特點的預(yù)處理算法。
　　(2)提取路面圖像特征,并在此基礎(chǔ)上探索路面病害檢測算法。在路面圖像預(yù)處理后,提取具有強表征能力的路面圖像特征,并在此基礎(chǔ)上討論基于Radon變換的路面病害檢測算法。
　　(3)研究基于半監(jiān)督學習的路面病害自動分類算法,將它與基于支持向量機的分類算法進行性能

3、比較。因路面病害現(xiàn)象隨機發(fā)生,部分類別樣本數(shù)量非常少,而半監(jiān)督學習思想只需利用對少量樣本進行學習訓練,因此有必要嘗試探討基于半監(jiān)督學習的路面病害自動分類算法。
　　本文采用的路面圖像數(shù)據(jù)均來源于江西省天馳高速科技發(fā)展有限公司。采用的路面圖像預(yù)處理算法能有效突出路面病害信息?；赗adon變換的病害檢測算法的檢測準確率高達97％。對比基于半監(jiān)督學習和基于支持向量機的兩種病害自動分類算法的性能,結(jié)果表明基于半監(jiān)督學習的病害分類算法性能