تحلیل آماری مرتبه دوم بافت خرابیهای روسازی آسفالتی بر پایه الگوی باینری محلی در حوزه مکان و تبدیل موجک
محل انتشار: فصلنامه جاده، دوره: 28، شماره: 103
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 285
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ROAD-28-103_009
تاریخ نمایه سازی: 25 بهمن 1399
چکیده مقاله:
ارزیابی خرابی روسازی یکی از بخشهای مهم سیستمهای مدیریت روسازی جهت اتخاذ موثرترین راهبرد تعمیر و نگهداری راه میباشد. در دهه اخیر، مطالعات وسیعی به منظور توسعه روشهای خودکار پردازش خرابیهای روسازی بر پایه فنون بینایی ماشین انجام گرفته است. از مهمترین اجزای ساختاری سیستمهای بینایی کامپیوتر، شیوه استخراج ویژگی میباشد. در اغلب حوزههای کاربردی پردازش تصویر، ویژگیهای بافتی نسبت به دیگر ویژگیها، اطلاعات کارآمدتری از خصوصیات نواحی تصویر ارائه مینمایند. در این تحقیق، از سه الگوریتم مختلف به منظور استخراج بردار ویژگی و آنالیز آماری بافت شش نوع از خرابیهای سطح روسازی آسفالتی استفاده شده است. الگوریتم نخست مبتنی بر استخراج آمارگان بافتی مرتبه دوم تصویر بر پایه ماتریس همرخداد سطوح خاکستری در حوزه مکان میباشد. در الگوریتمهای دوم و سوم، توصیفگرهای بافتی مرتبه دوم الگوی باینری محلی، به ترتیب در حوزه مکان و حوزه تبدیل موجک استخراج گشتند. کلاسبندی تصاویر خرابی بر پایه ترکیبی از روشهای K نزدیکترین همسایگی و فاصله ماهالانوبیس نشان میدهد که دو مرحله منظمسازی سطوح خاکستری لبههای خرابی توسط اعمال تبدیل موجک و الگوی باینری محلی (الگوریتم سوم)، نتیجه برتری نسبت به سایر الگوریتمها در تشخیص و تفکیک خودکار بافت انواع خرابیهای سطح روسازی حاصل نموده است. دقت عملکردی طبقهبندی تصاویر خرابی مبتنی بر الگوریتمهای اول، دوم و سوم به ترتیب برابر با 61 درصد، 75 درصد و 97 درصد میباشد.
کلیدواژه ها:
الگوی باینری محلی ، تبدیل موجک ، بافت خرابیهای روسازی ، بینایی کامپیوتر ، ماتریس همرخداد سطوح خاکستری
نویسندگان
رضا شهابیان مقدم
دانشآموخته کارشناسیارشد، گروه عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
سید علی صحاف
استادیار، گروه عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :