تشخیص و طبقه بندی خودکار خرابی های روسازی آسفالتی بر پایه تبدیل موجک مختلط دو درختی

ارزیابی عملکرد روسازی یکی از مهم ترین عناصر سیستم های مدیریت روسازی جهت تعیین استراتژی بهینه عملیات ترمبم و نگهداری راه محسوب می شود. در دو دهه اخیر، تحقیقات گسترده ای پیرامون توسعه روش های خودکار جهت ارزیابی خرابی های روسازی انجام گرفته است. اغلب این روش ها بر پایه بینایی ماشین و تکنیک های پردازش تصویر می-باشند. یکی از مهم ترین اجزای تشکیل دهنده سیستم بینایی ماشین، فرآیند استخراج ویژگی می باشد. ویژگی های بافتی تصویر در مقایسه با دیگر ویژگی ها همچون رنگ، ثوابت ممانی و ویژگی های هندسی، اطلاعات بیشتر و دقیقتری از الگوهای موجود در ناحیه های تصویر ارایه می نمایند. در سال های اخیر روش های آنالیز چند دقته همچون تبدیل موجک، ابزارمناسبی جهت توصیف بافت تصویر با سرعت و دقتی قابل قبول، فراهم آورده است. در این پژوهش، پس از برداشت تصاویر خرابی روسازی آسفالتی در شرایط کنترل شده، به منظور تشخیص و طبقه بندی آنها، از تبدیل موجک مختلط دودرختی استفاده شده است. پس از تجزیه تصاویر توسط اعمال تبدیل مذکور، شاخص های آماری مرتبه دوم بر پایه ماتریس هم رخداد سطوح خاکستری ، به منظور استخراج بردار ویژگی و آنالیز بافت باندهای فرکانسی موجک به کارگیری گردید. نتایج حاصل از طبقه بندی تصاویر خرابی بر اساس روش کمینه فاصله، حاکی از آن است که آماره های مرتبه دوم مستخرج از زیرباندهای تبدیل موجک مختلط دودرختی، با دقت کلاس بندی 99 %، عملکرد بسیار خوبی در شناسایی انواع خرابی روسازی به دنبال داشته است.