آنالیز آماری بافت تصاویر خرابی روسازی آسفالتی بر پایه ماتریس هم رخداد سطوح خاکستری
محل انتشار: فصلنامه جاده، دوره: 30، شماره: 111
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 190
فایل این مقاله در 14 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-30-111_006
تاریخ نمایه سازی: 28 اردیبهشت 1401
چکیده مقاله:
ارزیابی عملکرد روسازی یکی از مهم ترین عناصر سیستم های مدیریت روسازی جهت تعیین راهکار بهینه عملیات ترمیم و نگهداری راه محسوب می شود. پیمایش خرابی های سطحی راه جزو مراحل اصلی فرایند ارزیابی روسازی می باشد . در دو دهه اخیر، تحقیقات گسترده ای پیرامون توسعه روش های خودکار، جهت شناسائی خرابی های روسازی انجام گرفته که اغلب بر پایه بینایی ماشین و فنون پردازش تصویر می باشند. یکی از مهم ترین اجزای تشکیل دهنده سیستم بینایی ماشین، فرایند استخراج ویژگی می باشد. ویژگی های بافتی در مقایسه با دیگر ویژگی ها هم چون رنگ و ویژگی های هندسی، اطلاعات بیشتر و دقیق تری را از الگو های موجود در نواحی تصویر ارائه می نمایند. در این تحقیق، پس از برداشت تصاویر شش گروه مختلف از خرابی های سطح روسازی آسفالتی در شرایط کنترل شده، به منظور آنالیز آماری بافت آن ها، از شاخص های آماری مرتبه دوم بر پایه ماتریس هم رخداد سطوح خاکستری استفاده شده است. به منظور تشکیل ماتریس هم رخداد تصاویر، ۴ زاویه مجزا (°۰، °۴۵، °۹۰ و °۱۳۵) و ۳ مقدار فاصله مختلف (۱، ۲ و ۳) بکارگیری شده است. نتایج حاصل از کلاس بندی تصاویر خرابی بر اساس روش کمینه فاصله ماهالانوبیس، حاکی از آن است که آمارگان مستخرج از ماتریس هم رخداد سطوح خاکستری با پارامتر فاصله یک، عملکرد برتری نسبت به استفاده از دیگر پارامترهای فاصله، در تشخیص و طبقه بندی داده های خرابی داشته است. میزان دقت عملکردی کلاس بندی تصاویر خرابی روسازی آسفالتی بر پایه ماتریس هم رخداد سطوح خاکستری با مقدار پارامتر فاصله یک، دو و سه به ترتیب برابر با ۸۰ درصد، ۷۵ درصد و ۶۰ درصد می باشد.
کلیدواژه ها:
نویسندگان
رضا شهابیان مقدم
دانش آموخته کارشناسی ارشد، گروه عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
سید علی صحاف
استادیار، گروه عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
ابوالفضل محمدزاده مقدم
استادیار، گروه عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
حمیدرضا پوررضا
استاد، گروه کامپیوتر، 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 :