این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی حمل و نقل، جلد ۱۰، شماره ۴، صفحات ۸۰۷-۸۳۲
عنوان فارسی تحلیل میزان حساسیت جهتی تبدیل موجک در شناسایی هوشمند بافت خرابی های روسازی آسفالتی
چکیده فارسی مقاله  ارزیابی خرابی­های سطحی راه جزء مراحل اصلی فرآیند مدیریت روسازی است. در دهه گذشته، مطالعات وسیعی پیرامون توسعه روش­های خودکار شناسایی خرابی­های روسازی انجام گرفته که غالبا بر پایه بینایی کامپیوتر و فنون پردازش تصویر هستند. یکی از مهم­­ترین اجزای تشکیل­دهنده سیستم­های بینایی ماشین، الگوریتم استخراج ویژگی تصویر است. ویژگی­های بافتی در مقایسه با دیگر ویژگی­ها هم­چون رنگ و ویژگی­های هندسی، اطلاعات جامع­تر و دقیق­تری از الگو­های موجود در ناحیه­های تصویر ارائه می­نمایند. در سال­های اخیر روش­های آنالیز چندرزولوشن هم­چون تبدیل موجک، ابزار کارآمدی جهت تجزیه و تحلیل بافت تصویر با سرعت و دقتی منحصربفرد فراهم آورده است. در این پژوهش، پس از برداشت تصاویر شش گروه مختلف از خرابی­های روسازی آسفالتی در شرایط کنترل شده، به منظور تحلیل ساختاری آن­ها، از 3 نوع تبدیل موجک گسسته دوبعدی شامل موجک­های  Haar، Daubechies 3 و          Coiflet 1 استفاده گردید. علاوه بر تبدیل­های فوق، به منظور آنالیز میزان حساسیت جهتی تبدیل موجک در شناسایی بافت خرابی­ها، تبدیل جهت­دار موجک مختلط دردرختی نیز بر روی تصاویر اعمال گردید. پس از تجزیه تصاویر توسط اعمال تبدیل­های مذکور، آمارگان مرتبه دوم بر پایه ماتریس هم­رخداد و توصیف­گرهای مرتبه سوم و بالاتر بر پایه ماتریس طول تکرار سطوح خاکستری، به منظور تفسیر آماری بافت زیر­باند­های فرکانسی موجک­ها و استخراج بردار ویژگی به­کارگیری گردید. نتایج حاصل از طبقه­بندی تصاویر خرابی بر اساس روش کمینه فاصله ماهالانوبیس، حاکی از آن است که آمارگان مرتبه دوم مستخرج از زیرباندهای تبدیل موجک مختلط دو­درختی و موجک گسسته Haar به ترتیب با دقت کلاس­بندی 99 درصد و 95 درصد، در تشخیص انواع خرابی نتایج بهتری نسبت به سایر الگوریتم­ها حاصل نموده اند. هم­چنین ویژگی­های بافتی حاصل از ماتریس هم­رخداد سطوح خاکستری، به طور میانگین با دقت طبقه­بندی 87 درصد، عملکرد برتری نسبت به آمارگان ماتریس طول تکرار، در کلاسه­بندی تصاویر خرابی به دنبال داشته است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Analyzing the Degree of Wavelet Directional Sensitivity in Smart Recognition of Asphalt Pavement Distress Texture
چکیده انگلیسی مقاله Evaluation of the road surface distresses is one of the most prominent phases of pavement management process. Over the past decade, a considerable number of researches have been carried out on developing automatic methods for distress detection most of which rely on computer vision and image processing techniques. One of the most important assets comprising computer vision systems is the image feature extraction algorithm. Textural features present more detailed information about the image regions characteristics compared to other features such as color and geometrical (shape) properties. In the past few years, multi-resolutional analysis approaches, such as wavelet transforms have provided an effective tool for fast and accurate image texture representation. In the present study, after acquisition of six different types of asphalt pavement distresses under controlled condition, in order to analyze their structures, three 2-D discrete wavelet transforms including Haar, Daubechies3 and Coiflet1 were utilized. In addition to aforementioned transforms, directional selective dual-tree complex wavelet transform was also applied on the distress images with the purpose of investigating the effectiveness of directional sensitivity increasement. After decomposition of the images by applying the abovementioned transforms, second-order statistics based on gray level co-occurrence matrix and higher-order descriptors based on gray level run-length matrix were employed, in order to characterize the wavelet frequency sub-bands texture.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله رضا شهابیان مقدم |
دانش آموخته کارشناسی ارشد، گروه عمران- راه و ترابری، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران

سیدعلی صحاف |
استادیار، گروه عمران- راه و ترابری، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران

ابوالفضل محمدزاده مقدم |
استادیار، گروه عمران- راه و ترابری، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران

حمیدرضا پوررضا |
استاد، گروه کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران

نشانی اینترنتی http://jte.sinaweb.net/article_63220_db418439a3b5c04de384daa959fc4c26.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1231/article-1231-1540627.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات