ارزیابی خودکار خرابی روسازی با استفاده از انتقال ویژه رادون و ارائه شاخص کلی وضعیت روسازی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار، دانشکده عمران و محیط زیست‌، دانشگاه صنعتی امیر کبیر، تهران، ایران

2 استاد، دانشکده عمران و محیط زیست‌، دانشگاه صنعتی امیر کبیر‌، تهران، ایران

چکیده

 شناسایی و ارزیابی خودکار خرابی روسازی از بخش­های مهم و نوظهور سامانه­های مدیریت روسازی بشمار می­رود. در اکثر روش­های تشخیص الگو از آستانه سازی به منظور خودکار سازی پردازش­های مربوطه استفاده می­کنند. در این مقاله یک روش جدید بمنظور تعیین یک آستانه کارآمد جهت ارزیابی ترک خوردگی روسازی ارائه شده است. در روش ارائه شده از دادههای  انتقال سه بعدی رادون به منظور تحیل و شاخص گذاری ترک خوردگی استفاده شده است. همچنین بر اساس تئوری فازی، یک روش جدید انعطاف پذیر بر اساس داده­های تصویری ارائه شده است. بمنظور ارزیابی کارایی­ روش ارائه شده­، یک مقایسه کلی بین روش آستانه­گذاری ثابت و فیلتر گذاری ویژه انجام شده است. روش پیشنهادی برروی یک مجموعه تصویر­، آزمایش و کارایی روش پیشنهادی مورد ارزیابی قرار گرفت. نتایج نشان میدهد، روش پیشنهادی به لحاظ سرعت، دقت و جامعیت، از سایر روشهای موجود عملکرد بهتری را نشان میدهد. این روش را میتوان به منظور تعیین نوع­، شدت­، وسعت خرابی و ارزیابی کلی وضعیت ترک خوردگی روسازی در تحلیل خودکار استفاده نمود.
 
 

کلیدواژه‌ها


عنوان مقاله [English]

Automatic Evaluation of Pavement Cracking Using Radon Transform and Providing A General Index of Pavement Status

نویسندگان [English]

  • H. Zakeri 1
  • F. Moghadas Nejad 2
1 Assistant Professor, Department of Civil and Environmental Engineering, Amirkabir University of Technology, Tehran, Iran
2 Professor Department of Civil and Environmental Engineering, Amirkabir University of Technology, Tehran, Iran
چکیده [English]

The automatic evaluation of pavement condition is an important and emerging area for pavement management systems (PMS). In most of the pattern recognition methods, thresholding is used to automate the processing. In this paper, a new method is proposed to determine an effective threshold for evaluation of pavement cracking. In the proposed method, three-dimensional Radon transform data has been used to investigate cracking. Also, based on fuzzy theory, a flexible new method is presented based on image data. In order to evaluate the efficiency of the proposed method, a general comparison between the fixed threshold and specific filtering method has been performed. The proposed method was evaluated on a set of image. The results indicate that the proposed method shows better performance than other existing methods in terms of speed, accuracy, and comprehensiveness. This method can be used to determine the type, severity, extent, and general evaluation of pavement cracking behavior in automated analysis.
 

کلیدواژه‌ها [English]

  • image processing
  • Thresholding
  • Radon Transform
  • asphalt pavement
  • Cracking

-Alajlan, N., Kamel, M., & Jernigan, E. (2004), "Detail preserving impulsive noise removal". Signal Processing: Image Communication, 19(10), pp.993-1003.

-Ayenu-Prah, A., & Attoh-Okine, N. (2008), "Evaluating pavement cracks with dimensional empirical mode decomposition". EURASIP Journal on Advances in Signal Processing, 2008(1), 861701.

-Cheng, H., Chen, J.-R., Glazier, C., & Hu, Y. (1999), "Novel approach to pavement cracking detection based on fuzzy set theory". Journal of Computing in Civil Engineering, 13(4),
pp.270-280.

-Cheng, H., Jiang, X., Li, J., & Glazier, C. (1999), "Automated real-time pavement distress analysis. Transportation Research Record: Journal of the Transportation Research Board(1655)", pp.55-64.

-Cheng, H., Wang, J., Hu, Y., Glazier, C., Shi, X., & Chen, X. (2001), "Novel approach to pavement cracking detection based on neural network". Transportation Research Record: Journal of the Transportation Research Board (1764), pp.119-127. 

-Culpin, D. (1986), "Calculation of cubic smoothing splines for equally spaced data". Numerische Mathematik, 48(6), pp.627-638 

-Mendel, J. M., & John, R. B. (2002), "Type-2 fuzzy sets made simple". IEEE Transactions on fuzzy systems, 10(2), pp.117-127.

-Mendel, J. M., & Wu, H. (2007), "Type-2 fuzzistics for nonsymmetric interval type-2 fuzzy sets: Forward problems". IEEE Transactions on fuzzy systems, 15(5),
pp.916-930.

-Mora, A. D., Vieira, P. M., Manivannan, A., & Fonseca, J. M. (2011), "Automated drusen detection in retinal images using analytical modeling algorithms". Biomedical engineering online, 10(1), pp.59.

-Nejad, F. M., & Zakeri, H. (2011a), "A comparison of multi-resolution methods for detection and isolation of pavement distress". Expert Systems with Applications, 38(3), pp.2857-2872.

-Nejad, F. M., & Zakeri, H. (2011b), "An optimum feature extraction method based on wavelet–radon transform and dynamic neural network for pavement distress classification". Expert Systems with Applications, 38(8), pp.9442-9460.

-Tizhoosh, H. R. (2005), "Image thresholding using type II fuzzy sets. Pattern recognition, 38(12)", pp.2363-2372.

-Wan, Y., & Shi, D. (2007), "Joint exact histogram specification and image enhancement through the wavelet transform". IEEE Transactions on Image Processing, 16(9), pp.2245-2250.

-Zakeri, H., Nejad, F. M., & Fahimifar, A. (2017), "Image based techniques for crack detection, classification and quantification in asphalt pavement: a review". Archives of Computational Methods in Engineering, 24(4), pp.935-977 

-Zarandi, M. F., Zarinbal, M., & Izadi, M. (2011), "Systematic image processing for diagnosing brain tumors: A Type-II fuzzy expert system approach". Applied soft computing, 11(1), pp.285-294.

-Zhang, D., Qu, S., He, L., & Shi, S. (2009), Automatic ridgelet image enhancement algorithm for road crack image based on fuzzy entropy and fuzzy divergence. Optics and Lasers in Engineering, 47(11), pp.1216-1225.

-Zhou, J. (2004), "Automated pavement inspection based on wavelet analysis".

-Zhou, J., Huang, P. S., & Chiang, F.-P. (2006),"Wavelet-based pavement distress detection and evaluation". Optical Engineering, 45(2), 027007.