摘要：近年来，随着我国公路基础设施建设的快速发展，路面的养护管理工作已成为交通领域中的一项重要任务。道路缺陷是评估路面质量的最重要参数之一。本文基于图像处理和数据挖掘技术，通过对路面图像的信息提取，设计道路缺陷的自动识别模型。

首先，本文应用了基于中值滤波的小波包去噪方法，对灰度转换后的路面图像进行去噪处理，效果显著。然后，本文分别基于图像的投影特征和分形特征，选取了 轴投影最大像素值 、 轴投影最大像素值 和分形维数 等 6 个特征参数。接着，本文以 6 个特征参数为输入层，以缺陷类型和等级为输出层，建立了 BP 神经网络识别模型。同时，本文随机选取了 70%的样本数据用于训练模型，其余样本数据用于检验识别模型的效果。验证结果显示，缺陷类型和等级完全匹配成功的占 46.67%，其中仅缺陷类型匹配成功的占 66.67%。最后，本文对所建模型进行优缺点分析，并针对本文研究成果中的不足之处，提出了一些展望。

关键词: 中值滤波； 小波包去噪； 边缘检测； 计盒维数； BP 神经网络

目录

摘要

Abstract

1.绪  论 3

1.1课题背景 .3

1.2课题主要研究问题 .3

1.3课题数据来源 .5

1.4课题研究思路 .5

1.5重要符号说明 .5

2.道路缺陷图像预处理 6

2.1样本图像分析 .6

2.2中值滤波 .6

2.3小波包去噪 .8

2.4基于中值滤波的小波包去噪 .9

3.特征参数的确定及计算 10

3.1基于投影特征的特征参数选取 .10

3.2基于分形特征的特征参数选取 .12

3.3特征参数的具体计算 .13

4.自动识别算法的设计 14

4.1BP 神经网络简介 14

4.2神经网络识别模型的建立 .14

4.3识别模型结果的检验 .14

4.4优缺点分析 .16

5.总结与展望 17

参考文献 .18

致  谢 .19