28、基于图像的道路粗糙度评估数据集与新型纹理描述符研究

基于图像的道路粗糙度评估数据集与新型纹理描述符研究

1. 道路粗糙度评估数据集相关研究

在道路质量评估中，利用卫星图像的道路表面图像数据集具有重要意义。以下将详细介绍该数据集的收集、处理、比较以及模型训练等方面的内容。

1.1 数据收集与分类

收集道路图像后，运用图像处理技术根据道路粗糙度等级对图像进行分类。采用国际粗糙度指数（IRI）作为真实数据，参考孟加拉国国家公路的道路粗糙度调查结果，为每 100 米路段设置 IRI 值，并依据相关表格对道路进行分类。数据收集旨在获取孟加拉国国家公路道路粗糙度水平的综合数据集，用于后续分析和建模。

1.2 数据预处理

将新收集的数据与包含孟加拉国 N1 - N7 国家公路的先前数据集合并，形成更大的数据集。具体情况如下表所示：
|数据集|训练集图像数量|测试集图像数量|
| ---- | ---- | ---- |
|先前数据集|26,353（分为 5 类）|1330（分为 5 类）|
|新收集数据集|2902（分为 5 类）| - |
|合并后数据集|45,243（分为 5 类）|1424（分为 5 类）|

新收集的数据通过以下增强方法进行增强：
- 水平翻转
- 垂直翻转
- 旋转（限制为 8）
- 随机亮度对比度
- 平移缩放旋转
- 水平翻转后旋转（限制为 8）

增强后的数据与原始数据合并，使新数据集增大 7 倍。为确保数据集适合深度学习模型训练，对图像进行预处理，将其按道路表面状况分为 5 类：好、一般、差、坏和非常坏，并裁剪为 224