开题报告
一、文献综述
摘要：交通在人民生活和国民经济中占有重要位置，而道路交通是所有的交通方式中与人们生活关系最密切的交通方式。如今采用图像处理技术来解决道路缺陷问题有不少优秀成果，对不同缺陷类型进行特征提取，并采用数据挖掘技术进行模式识别，实现不同道路缺陷类型的自动识别。本文按照时间顺序，主要对道路缺陷的自动模式识别方法的研究进展进行综述，同时穿插一些SVM的研究进展的综述。
关键字：道路缺陷 图像处理 模式识别 支持向量机
道路缺陷的自动检测和识别是制定公路维修养护方案的重要依据，随着计算机视觉的发展，科学技术水与检测识别要求的提高，国内外的研究人员一直在追求高效、准确并且应用性强的道路缺陷自动检测与识别方法。
1993年Haris N.Koutsopoulos等人[1]对裂缝图像的几种阈值分割算法进行比较，评价了各种算法分离道路缺陷的有效性。阈值分割算法包括有大津(Otsu)法，基特勒(Kittler)法，改进的松弛法和基于通过回归分析估计的阈值的方法。比较表明，松弛和回归阈值方法始终优于其他方法。而回归阈值方法的计算优势优于松弛方法，因而更有可能得到应用。
1997年Jitprasithsiri[2]发展了一个新的数位影像处理演算法来计算一个统一的裂缝指数。采用中值滤波方法对路面图像进行噪声抑制和增强，采用可变阈值分割技术对裂缝和背景噪声进行识别。利用程序自动计算裂缝的数量，并为每个路面图像计算统一的裂缝指数（CI）。CI定义为路面图像中裂缝图可数量与图块总数的比率，以百分比表示。比较结果表明了自动图像处理算法的准确性。
1998年Bhaobatosh Chanda等人[3]提出了一种使用多尺度方法的形态学边缘检测方法，用于在噪声条件下检测各种细度的边缘。通过运用不同尺度结构元素的灰度形态学运算来提取图像的边缘特征。结果表明，所提出的边缘检测器具有良好边缘检测器应具有的期望特性。比较研究表明，它比其他形态学边缘检测器优越，具有较强的抗噪性和优越性。
2002年A.Cuhadar等人[4]提出了一种基于小波变换的路面状态数据自动分割算法。在保留重要信息的同时，去除由采集装置引起的随机噪声和路面的随机极端破损，然后采用基于奇异性检测的分割算法。简单来说就是在分割阶段，检测平滑波形的奇异点，并将其标记为孤立奇异点或边界点。对孤立的奇异点进行抑制，剩余的奇异点作为边界信息，将路面状态数据分割成具有相似特征的区域。但是由于计算量过大限制了其应用。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
