تحلیل آماری مرتبه دوم بافت خرابی های روسازی آسفالتی بر پایه الگوی باینری محلی در حوزه مکان و تبدیل موجک

ارزیابی خرابی روسازی یکی از بخش های مهم سیستم های مدیریت روسازی جهت اتخاذ موثرترین راهبرد تعمیر و نگهداری راه می باشد. در دهه اخیر، مطالعات وسیعی به منظور توسعه روش های خودکار پردازش خرابی های روسازی بر پایه فنون بینایی ماشین انجام گرفته است. از مهم ترین اجزای ساختاری سیستم های بینایی کامپیوتر، شیوه استخراج ویژگی می باشد. در اغلب حوزه های کاربردی پردازش تصویر، ویژگی های بافتی نسبت به دیگر ویژگی ها، اطلاعات کارآمدتری از خصوصیات نواحی تصویر ارایه می نمایند. در این تحقیق، از سه الگوریتم مختلف به منظور استخراج بردار ویژگی و آنالیز آماری بافت شش نوع از خرابی های سطح روسازی آسفالتی استفاده شده است. الگوریتم نخست مبتنی بر استخراج آمارگان بافتی مرتبه دوم تصویر بر پایه ماتریس هم رخداد سطوح خاکستری در حوزه مکان می باشد. در الگوریتم های دوم و سوم، توصیف گرهای بافتی مرتبه دوم الگوی باینری محلی، </em> </em>به ترتیب در حوزه مکان و حوزه تبدیل موجک استخراج گشتند. کلاس بندی تصاویر خرابی بر پایه ترکیبی از روش های </em>K</em> </em>نزدیک ترین همسایگی و فاصله ماهالانوبیس نشان می دهد که دو مرحله منظم سازی سطوح خاکستری لبه های خرابی توسط اعمال تبدیل موجک و الگوی باینری محلی (الگوریتم سوم)، نتیجه برتری نسبت به سایر الگوریتم ها در تشخیص و تفکیک خودکار بافت انواع خرابی های سطح روسازی حاصل نموده است. دقت عملکردی طبقه بندی تصاویر خرابی مبتنی بر الگوریتم های اول، دوم و سوم به ترتیب برابر با 61 درصد، 75 درصد و 97 درصد می باشد.</em>