Metoda lokalnych wzorców binarnych do identyfikacji uszkodzeń nawierzchni drogowych

• Autorzy: Pożarycki, A. , Rydzewski, P.

Warianty tytułu

EN

Local binary pattern method for identification of road pavement distress

• Języki publikacji: PL

Abstrakty

PL

W pracy opisano wyniki eksperymentu numerycznego, w którym testowano metodę lokalnych wzorców binarnych (LBP) do identyfikacji uszkodzeń powierzchni jezdni bitumicznych utrwalonych na ortogonalnych obrazach cyfrowych. Wyniki analiz potwierdziły możliwość wykorzystania tej metody, dla analizowanej populacji obrazów cyfrowych nawierzchni jezdni, przyjmując standardową wartość progową zalecaną w literaturze. Jednocześnie zauważa się, że potrzebę dodatowych przekształceń końcowych obrazu cyfrowego z uszkodzeniami nawierzchni można zrealizować przy wykorzystaniu podstawowych przkształceń morfologicznych.

EN

The paper presents the results of a numerical experiment that was adopted to test the local binary pattern method (LBP) for bituminous pavement distress identification on orthogonal digital images. In the case of investigated images population, the analysis of results confirm the possibility of using the standard threshold value preferred in the literature. It also proved that necessity of additional post-processing of pavement distresses images can be performed by using basic morphological transformations.

Słowa kluczowe

PL

nawierzchnia drogowa; identyfikacja uszkodzeń; modelowanie numeryczne; metoda lokalnych wzorców binarnych

EN

road pavement; damage identification; numerical modelling; local binary pattern method

• Czasopismo: Zeszyty Naukowe Politechniki Rzeszowskiej. Budownictwo i Inżynieria Środowiska
• Rocznik: 2012
• Tom: z. 59, nr 3/IV
• Strony: 305-312
• Opis fizyczny: Bibliogr. 10 poz., il.

Twórcy

autor

Pożarycki, A.

autor

Rydzewski, P.

• Politechnika Poznańska

Bibliografia

• [1] Gavilán M., Balcones D, Marcos O, Llorca D.F., Sotelo M.A., Parra I., Ocaña M., Aliseda P., Yarza P., Amírola A.,: Adaptive Road Crack Detection System by Pavement Classification, Sensors 2011, 11, 9628-9657; doi:10.3390/s111009628, s. 9628-9657.
• [2] Gong W.: Automated real time pavement crack detection and classification, Contract NCHRP-111, University of Arkansas, TRB, May 31, 2007.
• [3] Guoai Xu, Jianli Ma, Fanfan Liu, Xinxin Niu: Automatic Recognition of pavement Surface Crack based na BP Neural Network, 2008 International Conference on Computer and Electrical Engineering, 978-0-7695-3504-3/08, 2008 IEEE.
• [4] Pożarycki A., Rydzewski P.,: Przekształcenia obrazów cyfrowych w drogownictwie, Drogownictwo, Warszawa 2012, (praca przyjęta do druku).
• [5] Pożarycki A., Rydzewski P.: Cyfrowe przetwarzanie makroskopowych obrazów jezdni drogowych, Drogi i Mosty, Warszawa 2012, (praca przyjęta do druku).
• [6] Subirats P., Dumoulin J., Legeay V., Barba D.: Automation of pavement surface crack detection using the continuous wavelet transform, 1-4244-0481-9/06, IEEE, ICIP 2006, p. 3037-3040.
• [7] Ojala T., Pietikaeinen M., Maeenpaea T. Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, No. 7, July 2002.
• [8] Yong hu, Chun-xia Zhao: A local binary pattern based methods for pavement crack detection, Journal of Pattern Recognition Research 1 (20103), p.140-147, 2010.
• [9] Topi Mäenpää, The local binary pattern approach to texture analysis – extensions and applications, Academic Disertation, University of Oulu, Linnanmaa, August 2003.
• [10] Lehman + Partner, Zdjęcia nawierzchni drogi, Test – Poznań 2009.