[硕士]基于SVM的路面浅层病害的自动检测算法研究

申请免费试用、咨询电话：400-8352-114

内容简介

　　[硕士]基于SVM的路面浅层病害的自动检测算法研究　　学科专业: 通信与信息系统　　授予学位：硕士 　　学位授予单位：南昌大学　　学位年度：2009　　 随着高速公路通车里程的不断增加和路网规模的不断扩大以及使用年限的不断增长，高速公路的养护工作变得日趋繁重和重要。探地雷达(groundpenetrating radar, GPR)作为一种快速、连续、安全、高精度、高分辨率的无损实时探测工具，越来越广泛地应用于高速公路路面浅层病害检测。但是，GPR跟光学成像设备不同，它不能直接反映目标的特征。因此，使用GPR勘查高速公路路面浅层质量时，如何由获取的GPR数据解释高速公路路面浅层质量状况成为问题的关键。　　 本课题结合现代数字处理、信号检测技术及模式识别算法，实现了高速公路路面浅层病害的自动检测，其主要技术手段及具体研究内容为:　　 1、探地雷达原始数据预处理方法的研究，主要内容包括运用滑动平均法对GPR原始数据进行噪声抑制、使用包络检波器和阂值检测技术自动检测路面浅层层界面、使用Savitzky-Golay滤波器进行层界面平滑，以及ROI (region ofinterest)提取。　　 2、基于时域和小波域回波信号的特征提取。总共在时域与小波域内提取了6个特征，即时域的三个特征:信号的最大幅值MAxs、信号幅值的平均绝对偏差MARS、原始信号幅值互相关XCORRS;小波域的三个特征:合成信号在各级小波上的互相关之和，第三级小波近似系数a3的最大幅值MAXI,第三级小波近似系数a3的平均绝对偏差MADE 。　　 3、基于支持向量机(support vector machine, SVM)的路面浅层病害检测。利用专家经验，从层界面反射信号中提取出好路面和坏路面(有病害路面)样本信号，划分成训练样本和测试样本。提取其6个时域小波域特征，用训练样本训练SVM，得到相应的支持向量网络，并把测试样本作为输入，由SVM进行特征分类，从而检测出路面浅层是否存在病害。

专题推荐

• · 浅层换填处理图
• · 浅层裂缝
• · 路面坑槽病害

培训课程

• · 施工技能课程五折，机不可失
• · 【预售】施工前期必备技能
• · 道路路基施工必备知识
• · 市政施工基础入门培训
• · 施工识图读图，这些要掌握!