Abstract
This study focus on segmentation process that classifies road surfaces into 5 different categories, dry, wet water, icy, and snowy surfaces by analyzing asphalt-paved road images taken in daylight. By using the polarization coefficients, the proportions of horizontally polarized components to vertically polarized components, regions with over 1.3 polarization coefficients are classified as wet surfaces. Except for wet surfaces, the decision process a lies time-frequency analysis to other parts by using the third order wavelet packet transform. In addition, by using the average frequency characteristics of dry and icy surfaces from image templates, decide which is closer to a test image, and finally identify dry and icy surfaces. It is confirmed that the reposed estimation and segmentation of recognition on various images. This can be interpreted as an indication that image-only mad surface condition supervision is probable.
본 연구는 도로 관제 목적으로 사용 중인 가시 카메라(Visible Camera)를 사용하여 촬영한 도로표면 영상을 화상 인식 도로표면의 상태를 식별하는 방법과 기준을 제안하였다. 먼저, 입력 화상은 낮 시간대의 아스팔트 포장 도로면을 촬영하여 도로표면 상태의 화상을 만들었고, 편광 및 웨이블릿 변환(Wavelet transform)으로 도로 표면을 5가지의 상태(건조, 습윤, 수막, 적설, 동결)로 인식할 수 있는 분류기준절차를 연구하였다. 표면 화상 인식 과정은 편광계수(수직/수평 편광 비율) 값이 1.3 이상이면 젖은 땅으로 분류한 후, 다음으로 젖은 땅을 제외한 나머지는 웨이블릿 패킷 변환을 통해 시간-주파수 분석을 하였다. 또한 영상 템플릿을 이용하여 마른 땅과 빙판의 표준적인 주파수 특성을 분석하여, 마른 땅과 빙판을 구분하였다. 입력 영상에 대해서 제안한 도로표면상태의 인식분류 및 기준에 따라, 도로표면영상에서 마른 부분과 젖은 부분을 구분한 결과를 정리하였다.
