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

ارزیابی عملکرد روسازی یکی از مهم­ترین عناصر سیستم­های مدیریت روسازی جهت تعیین راهکار بهینه عملیات ترمیم و نگهداری راه محسوب می­شود. پیمایش خرابی­های سطحی راه جزو مراحل اصلی فرایند ارزیابی روسازی در سطح شبکه و همچنین در سطح پروژه است. در دو دهه اخیر، تحقیقات گسترده­ای پیرامون توسعه روش­های خودکار، جهت شناسائی خرابی­های روسازی انجام گرفته که اغلب بر پایه بینایی ماشین و فنون پردازش تصویر می­باشند. یکی از مهم­ترین اجزای تشکیل­دهنده سیستم بینایی ماشین، فرایند استخراج ویژگی می­باشد. در این تحقیق، پس از برداشت تصاویر شش گروه مختلف از خرابی­های سطح روسازی آسفالتی در شرایط کنترل شده، به منظور مقایسه روش­های مختلف آنالیز آماری بافت تصویر در تشخیص و طبقه­بندی خودکار انواع خرابی­ها، از شاخص­های آماری مرتبه اول بر پایه هیستوگرام تصویر، شاخص­های آماری مرتبه دوم بر پایه ماتریس هم­رخداد و از آمارگان مرتبه سوم و بالاتر مبتنی بر ماتریس طول تکرار سطوح خاکستری، استفاده شده است. نتایج حاصل از کلاس­بندی تصاویر خرابی بر اساس روش کمینه فاصله ماهالانوبیس، حاکی از آن است که آمارگان مستخرج از هیستوگرام و ماتریس هم­رخداد سطوح خاکستری، اگر چه در شناسایی ترک­های پوست سوسماری نسبت به ماتریس طول تکرار، حساسیت عملکردی طبقه­بندی بهتری داشته، اما به طور میانگین شاخص­های آماری مرتبه سوم و بالاتر بر پایه ماتریس طول تکرار سطوح خاکستری، با دقت عملکردی 80%، نسبت به سایر رویکرد­های توصیف بافت به­کارگیری شده در این تحقیق، نتایج برتری در شناسایی و کلاسه­بندی خرابی­های سطح روسازی آسفالتی حاصل نموده است.