تشخیص و طبقه بندی خودکار خرابی های روسازی بر پایه آنالیز بافت تصویر در حوزه مکان و تبدیل

ارزیابی عملکرد روسازی یکی از مهمترین مراحل تعیین استراتژی بهینه، در عملیات مدیریت روسازی محسوب می شود. در دو دهه اخیر تحقیقات گسترده ای پیرامون توسعه روش های خودکار، جهت ارزیابی خرابی هیا روسازی انجام گرفته است. اغلب این روش ها بر پایه بینایی ماشین و تکنیک های پردازش تصویر هستند. در سال های اخیر روش های آنالیز چند دقته همچون تبدیل موجک، ابزار مناسبی جهت تحلیل و شناسایی هوشمند خرابی ها با سرعت و دقتی قابل قبول فراهم آورده است. در این مطالعه، روشی بر مبنای تبدیل موجک به کارگیری شده که قادر به آنالیز صفحه ای بافت روسازی با در نظر گرفتن اجرای افقی، قایم و قطری بافت روسازی است. در این پژوهش پس از اعمال تبدیل موجک گسسته و جداسازی باندهای فرکانسی تصویر توسط چهار خانواده مختلف از موجک ها، ویژگی های بافتی زیرباندها بر مبنای ماتریس هم رخداد سطوح خاکستری استخراج شده و با نتایج حاصل از آنالیز بافت تصویر در حوزه مکان مقایسه گردید. در انتها روش کمینه فاصله ماهادنوییس به منظور تفکیک و طبقه بندی تصاویر خرابی در 7 کلاس شامل ترک پوست سوسماری، آسفالت سالم (بدون خرابی)، ترک طولی، ترک عرضی، قیرزدگی، وصله و عریان شدگی به کارگیری گردید. نتایج اعتبارسنجی و ارزیابی عملکرد کلاس بندی حاکی از آن است که طبقه بندی تصاویر خرابی توسط آنالیز بافت تصویر در حوزه تبدیل نسبت به حوزه مکان نتایج دقیق تری در پی دارد. دقت عملکردی کلاس بندی تصاویر خرابی در حوزه تبدیل به طور میانگین برابر با 67 درصد بوده در حالی که دقت طبقه بندی داده های خرابی مبتنی بر استخراج ویژگی های بافتی در حوزه مکان برابر با 49/76 درصد است. در حوزه تبدیل، اگرچه فیلتر Daubechies2 در شناسایی خرابی قیرزدگی حساسیت عملکرد بالاتری داشته، اما به طور میانگین فیلتر Haar نسبت به سایر موجک های استفاده شده با دقت عملکردی 95/42 درصد نتایج برتری در شناسایی و کلاسه بندی خرابی هیا سطح روسازی آسفالتی حاصل نموده است.

کلیدواژه ها:

ارزیابی روسازی ، بافت تصویر ، بردار ویژگی ، تبدیل موجک گسسته ، ماتریس همرخداد سطوح خاکستری