تشخيص و طبقه‌بندي خودكار بافت خرابي‌هاي روسازي آسفالتي بر پايه تبديل موجك

ارزيابي خرابي هاي روسازي يكي از مهم ترين عناصر سيستم هاي مديريت روسازي جهت تعيين راهكار بهينه عمليات ترميم و نگهداري راه محسوب مي شود. در دو دهه اخير، تحقيقات گسترده اي پيرامون توسعه روش هاي خودكار جهت شناسايي خرابي هاي روسازي انجام گرفته است. اغلب اين روش ها بر پايه بينايي ماشين و فنون پردازش تصوير مي باشند. يكي از مهم ترين اجزاي تشكيل دهنده سيستم هاي بينايي ماشين، فرآيند استخراج ويژگي است. در سال هاي اخير روش هاي آناليز چنددقته هم چون تبديل موجك، ابزار مناسبي جهت تجزيه و تحليل ويژگي هاي بافتي تصوير با سرعت و دقتي قابل قبول، فراهم آورده است. در اين پژوهش، پس از برداشت تصاوير شش گروه مختلف از خرابي هاي سطح روسازي آسفالتي در شرايط كنترل شده، به منظور تشخيص و طبقه بندي آن ها، از 4 نوع تبديل چنددقته دوبعدي شامل موجك گسسته Haar، موجك گسسته Daubechies 3، موجك گسسته Coiflet 1 و موجك مختلط دو درختي استفاده گرديد. پس از تجزيه تصاوير توسط اعمال تبديل هاي مذكور، شاخص هاي آماري مرتبه اول بر پايه خصوصيات هيستوگرام و آمارگان مرتبه دوم مبتني بر ماتريس هم رخداد سطوح خاكستري، به منظور آناليز آماري بافت باند هاي فركانسي موجك ها به كارگيري گرديد. نتايج حاصل از طبقه بندي تصاوير خرابي بر اساس روش كمينه فاصله ماهالانوبيس، حاكي از آن است كه شاخص هاي آماري مرتبه دوم مستخرج از زيرباندهاي تبديل موجك مختلط دو درختي و موجك گسسته Haar به ترتيب با دقت كلاس بندي 99 درصد و 95 درصد، نسبت به ساير الگوريتم هاي توصيف بافت استفاده شده در اين تحقيق، در شناسايي انواع خرابي نتايج بهتري به دنبال داشته است. هم چنين شاخص هاي آماري حاصل از ماتريس هم رخداد سطوح خاكستري، به طور ميانگين با دقت عملكردي 87 درصد، عملكرد برتري نسبت به خصوصيات آماري هيستوگرام در كلاسه بندي تصاوير خرابي دارا مي باشند.