فهرست نشریات علمی دسترسی آزاد ایران

پیمایش خرابی‌های سطحی راه جزء مراحل اصلی فرآیند ارزیابی عملکردی روسازی محسوب می‌شود. در سال‌های اخیر، تحقیقات زیادی در حوزه توسعه روش‌های هوشمند و خودکار شناسایی خرابی‌های روسازی انجام گرفته است. اغلب این روش‌ها بر پایه فنون بینایی کامپیوتر می‌باشند. از مهم‌‌ترین عناصر تشکیل‌دهنده سیستم‌های بینایی کامپبوتر، استخراج ویژگی تصویر می‌باشد. روش‌های پردازش چندرزولوشن (چنددقته) هم‌چون تجزیه موجک، ابزاری منحصربفرد جهت آنالیز ویژگی‌های بافتی تصویر فراهم آورده است. لبه‌ها، جزئیات ساختاری بافت تصاویر خرابی‌ سطح روسازی را تشکیل داده و تعداد سطوح تجزیه تصویر توسط اعمال تبدیل موجک، نقش موثری در آشکارسازی و تفکیک‌پذیری مکانی بافت گسستگی‌های (لبه) تصویر ایفا کرده و بایستی به طور بهینه انتخاب گردد. در این پژوهش، پس از برداشت تصاویر خرابی روسازی آسفالتی در شرایط روشنایی ثابت، از سه لایه تبدیل موجک دوبعدی هار (Haar) به منظور تجزیه تصاویر و از ماتریس هم‌رخداد و ماتریس طول تکرار سطوح خاکستری، جهت توصیف آماری بافت زیرباندهای فرکانسی حاصل شده، استفاده گردید. نتایج حاصل از طبقه‌بندی تصاویر خرابی بر اساس روش کمینه فاصله ماهالانوبیس (Minimum Mahalanobis Distance)، حاکی از آن است که آماره‌های مستخرج از زیرباندهای موجک تا مرحله دوم تجزیه، در شناسایی بافت انواع خرابی نتایج برتری به دنبال داشته است. میانگین دقت عملکردی کلاس‌بندی تصاویر خرابی بر پایه تجزیه موجک تک‌مرحله‌ای، دو‌مرحله‌ای و سه‌مرحله‌ای به ترتیب برابر با 68 درصد، 79 درصد و 64 درصد می‌باشد. هم‌چنین آمارگان مرتبه دوم حاصل از ماتریس هم‌رخداد سطوح خاکستری (Grey Level Co-occurrence Matrix (GLCM))، با میانگین دقت طبقه‌بندی 81 درصد، عملکرد برتری نسبت به ماتریس طول تکرار در تشخیص و تفکیک خودکار تصاویر خرابی سطح آسفالت دارا می‌باشند.