رضا شهابیان مقدم - دانشآموخته کارشناسیارشد، گروه عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
سید علی صحاف - استادیار، گروه عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران

ارزیابی خرابی روسازی یکی از بخش­های مهم سیستم­های مدیریت روسازی جهت اتخاذ موثرترین راهبرد تعمیر و نگهداری راه می­باشد. در دهه اخیر، مطالعات وسیعی به منظور توسعه روش­های خودکار پردازش خرابی­های روسازی بر پایه فنون بینایی ماشین انجام گرفته است. از مهم­ترین اجزای ساختاری سیستم­های بینایی کامپیوتر، شیوه استخراج ویژگی می­باشد. در اغلب حوزه­های کاربردی پردازش تصویر، ویژگی­های بافتی نسبت به دیگر ویژگی­ها، اطلاعات کارآمدتری از خصوصیات نواحی تصویر ارائه می­نمایند. در این تحقیق، از سه الگوریتم مختلف به منظور استخراج بردار ویژگی و آنالیز آماری بافت شش نوع از خرابی­های سطح روسازی آسفالتی استفاده شده است. الگوریتم نخست مبتنی بر استخراج آمارگان بافتی مرتبه دوم تصویر بر پایه ماتریس هم­رخداد سطوح خاکستری در حوزه مکان می­باشد. در الگوریتم­های دوم و سوم، توصیف­گرهای بافتی مرتبه دوم الگوی باینری محلی، به ترتیب در حوزه مکان و حوزه تبدیل موجک استخراج گشتند. کلاس­بندی تصاویر خرابی بر پایه ترکیبی از روش­های K نزدیک­ترین همسایگی و فاصله ماهالانوبیس نشان می­دهد که دو مرحله منظم­سازی سطوح خاکستری لبه­های خرابی توسط اعمال تبدیل موجک و الگوی باینری محلی (الگوریتم سوم)، نتیجه برتری نسبت به سایر الگوریتم­ها در تشخیص و تفکیک خودکار بافت انواع خرابی­های سطح روسازی حاصل نموده است. دقت عملکردی طبقه­بندی تصاویر خرابی مبتنی بر الگوریتم­های اول، دوم و سوم به ترتیب برابر با 61 درصد، 75 درصد و 97 درصد می­باشد.

الگوی باینری محلی, تبدیل موجک, بافت خرابی‌های روسازی, بینایی کامپیوتر, ماتریس هم‌رخداد سطوح خاکستری