毕业设计（论文）课题基于机器视觉的路面裂缝检测专业年级电子信息工程2009级学号**********姓名马卉指导教师张卓评阅人二0一三年六月物联网工程学院河海大学本科毕业设计（论文）任务书（理工科类）Ⅰ、毕业设计（论文）题目：基于机器视觉的路面裂缝检测方法研究与实现Ⅱ、毕业设计（论文）工作内容（从综合运用知识、研究方案的设计、研究方法和手段的运用、应用文献资料、数据分析处理、图纸质量、技术或观点创新等方面详细说明）：裂缝是最常见的路面损坏，在路面裂缝演变成坑槽之前进行修补，可以大大节约路面的维护成本。
与传统的人工检测方式相比，视觉检测效率高、自动化程度和安全性更强，本课题拟对基于视觉的路面裂缝检测方法进行研究，工作内容主要包括：1．了解路面裂缝检测方法研究现状。
2．了解并掌握基于图像的表面破损对象检测方法。
3．了解并掌握matlab仿真工具编程方法。
4．进行路面裂缝图像的预处理、边缘提取和检测仿真设计。
5．给出论文英文摘要、专业英文资料翻译。
6．要求用WORD 排版、打印毕业论文。
Ⅲ、进度安排：（1）2012年11月―2013年1月：查阅资料，英文翻译（2）2013年2月―2013年3月：熟悉课题背景，进行相关资料收集（3）2013年3月―2013年4月：熟悉路面裂缝检测的图像处理过程和方法（4）2013年4月―2013年5月：检测方法的仿真与分析（5）2013年5月―2013年6月：系统完善及准备撰写论文、答辩Ⅳ、主要参考资料：1.皱勤，低信噪比路面裂缝增强与提取方法研究【D】，武汉大学，2012年2冈萨雷斯著，数字图像处理【M】，电子工业出版社，2007年3.冈萨雷斯著，数字图像处理（MATLAB版）【M】，电子工业出版社，2007年4.马常霞等，自然环境下路面裂缝的识别【J】工程图学学报，2011年指导教师：，年月日学生姓名：，专业年级：系负责人审核意见（从选题是否符合专业培养目标、是否结合科研或工程实际、综合训练程度、内容难度及工作量等方面加以审核）：系负责人签字：，年月日摘要裂缝是最常见的路面损坏，可能会危及公路和高速公路的安全。
在路面裂缝变的更糟糕之前及时进行修补，可以大大节省路面维修的资金。
路面裂缝是评估道路状况，并进行必要的道路维修的重要信息。
在过去的二十年，由于基于图像的路面裂缝检测技术提供了一个安全，高效，经济的方式，各种图像处理方法已被提出的路面裂缝检测。
基于假设沿裂缝的强度通常低于背景的强度，周围的路面，强度阈值已被广泛使用于检测裂纹。
然而，这些阈值的方法只能产生不相交的裂纹碎片，因为强度沿裂纹可能无法持续低于背景。
此外，路面阴影往往导致路面图像的照度不均匀，其还可以降低该阈值设定方法的性能。
基于边缘检测的方法也被用于裂纹检测。
然而，可能出现的低对比度裂缝和背景之间的散斑裂纹可能会将存在于背景的许多散斑噪声误认为裂纹片段。
与传统的人工检测方式相比，视觉检测效率高、自动化程度和安全性更强，本课题拟对基于视觉的路面裂缝检测方法进行研究。
传统的基于图像的路面裂缝检测方法通常假设路面裂缝图片具有较高的对比度和较好的连续性，但实际生活中往往不是这样的。
这是因为，1)路面影像常常含有路面来自于树木，电线杆以及其他事物的阴影造成的亮度不均匀；2)路面各种纹理带来大量的点状噪声；3)路面裂缝由于汽车载重碾压、风化等作用发生退化造成其对比度下降、连续性降低。
以上原因，使得裂缝在路面影像中表现为低信噪比的线状目标，给裂缝的自动化识别带来了很大的困难。
为了解决这些问题，我们开发了大地测量学的阴影去除算法去除路面的阴影，而保留的裂缝。
然后对去除阴影后的裂缝进行预处理，最后做裂缝提取。
关键字：裂缝路面阴影大地测量学阴影去除裂缝提取AbstractThe cracks are the most common road damage, could endanger the safety of roads and highways.Be repaired in a timely manner before the cracks in the road becomes worse, can greatly reduce road maintenance funds.Important information pavement cracks assess road conditions and make the necessary road maintenance. In the past two decades, due to the image-based pavement crack detection technology to provide a safe, efficient and economical way, various image processing methods have been proposed pavement crack detection.Is usually lower than the intensity of the background based on the assumption that the strength of the edge cracks around the road surface, the intensity threshold value has been widely used in the crack detection. However, these thresholds can only produce disjoint crack debris, because the intensity along the crack below the background may not be sustainable.In addition, the road shadows tend to cause uneven illumination of the road image, which may further reduce the performance of the method of setting the threshold value. Based on edge detection method is also used for crack detection.However, cracks and background may appear low contrast between the speckle cracks might exist in the background speckle noise mistaken for crack pared with the traditional manual inspection, visual inspection, high efficiency, the degree of automation and more secure, this project intends to study vision-based pavement crack detection method.The traditional image-based pavement crack detection method is usually assumed that the cracks in the road picture with high contrast and good continuity, but real life is often not the case.This is because the 1) road images often contain pavement from the uneven brightness caused by trees, poles and other things shadow;2) Pavement various textures bring a large number of dot-like noise; 3) pavement crack due to the vehicle load DRUMthe role of pressure, weathering degradation resulting in decreased contrast, continuity is reduced.For these reasons, the cracks in the pavement image performance of linear low signal-to-noise ratio target has brought great difficulties to the automatic identification of cracks.In order to solve these problems, we have developed a geodesic shadow removal algorithm to remove the shadow of the road, while retaining the cracks. Then remove the shadow cracks after pretreatment, the final crack extraction.Keyword:crack ,the shadow of pavement ,Geodesy,shadow removal,Cracks extraction目录摘要i Abstract iii第一章绪论 (1)1.1 引言 (1)1.2研究的目的与意义 (2)1.3 国内外研究现状 (2)1.3.1 线状目标的增强与提取 (3)1.3.2 路面裂缝的增强与提取 (4)1.3.3 目前存在的问题 (4)1.4 基于机器视觉图像处理的应用 (5)第二章数字图像预处理 (5)2.1 引言 (5)2.2 图像灰度化 (6)2.3 图像去噪 (6)2.4 图像的边缘提取 (7)2.5.1几种算子的比较 (8)2.5.2边缘检测结果对比分析和评价 (9)第三章基于亮度高程模型的路面阴影消除 (10)3.1 引言 (11)3.2 相关工作 (12)3.3 测地阴影去除 (13)3.3.1 具有纹理均衡能力的亮度补偿方法 (14)3.3.2 基于亮度等高区域划分的阴影消除 (14)3.3.3 实验结果.................................................3.4 裂缝地图生成 (15)3.4.1 检测裂缝像素 (16)3.4.2 张量投票裂纹增强 (17)第四章基于灰度图像及其纹理特性的裂缝特征提取 (18)4.1引言 (18)4.2 图像预处理 (19)4.2.1 多种裂缝图像格式的识别 (19)4.2.2 灰度化 (20)4.2.3 灰度拉伸 (20)4.2.4 二值化 (21)4.2.5 边缘增强 (21)4.3 边缘提取 (22)4.4 灰度图像形态学 (22)4.4.1 膨胀和腐蚀 (23)4.4.2 开运算和闭运算 (24)第五章总结 (27)参考文献 (28)附录 (29)一、英文原文 (29)二、英文翻译 (33)第一章绪论1.1引言本章介绍本论文的研究目的与意义、国内外研究现状，论文的研究内容和组织结构。