مقایسه روش های آنالیز بافت تصویر به منظور شناسایی و طبقه بندی خودکار خرابی‏ های روسازی آسفالتی

ارزیابی عملکرد روسازی یکی از مهم ترین عناصر سیستم های مدیریت روسازی جهت تعیین راهکار بهینه عملیات ترمیم و نگهداری راه محسوب می شود. پیمایش خرابی های سطحی راه جزو مراحل اصلی فرایند ارزیابی روسازی در سطح شبکه و همچنین در سطح پروژه است. در دو دهه اخیر، تحقیقات گسترده ای پیرامون توسعه روش های خودکار، جهت شناسائی خرابی های روسازی انجام گرفته که اغلب بر پایه بینایی ماشین و فنون پردازش تصویر می باشند. یکی از مهم ترین اجزای تشکیل دهنده سیستم بینایی ماشین، فرایند استخراج ویژگی می باشد. در این تحقیق، پس از برداشت تصاویر شش گروه مختلف از خرابی های سطح روسازی آسفالتی در شرایط کنترل شده، به منظور مقایسه روش های مختلف آنالیز آماری بافت تصویر در تشخیص و طبقه بندی خودکار انواع خرابی ها، از شاخص های آماری مرتبه اول بر پایه هیستوگرام تصویر، شاخص های آماری مرتبه دوم بر پایه ماتریس هم رخداد و از آمارگان مرتبه سوم و بالاتر مبتنی بر ماتریس طول تکرار سطوح خاکستری، استفاده شده است. نتایج حاصل از کلاس بندی تصاویر خرابی بر اساس روش کمینه فاصله ماهالانوبیس، حاکی از آن است که آمارگان مستخرج از هیستوگرام و ماتریس هم رخداد سطوح خاکستری، اگر چه در شناسایی ترک های پوست سوسماری نسبت به ماتریس طول تکرار، حساسیت عملکردی طبقه بندی بهتری داشته، اما به طور میانگین شاخص های آماری مرتبه سوم و بالاتر بر پایه ماتریس طول تکرار سطوح خاکستری، با دقت عملکردی 80%، نسبت به سایر رویکرد های توصیف بافت به کارگیری شده در این تحقیق، نتایج برتری در شناسایی و کلاسه بندی خرابی های سطح روسازی آسفالتی حاصل نموده است.