题目：基于可见光图像的机场道面病害分类算法研究

      机场道面中异物和破损是影响航空安全的常见危害，本文中将异物和破损统称为机场道面病害。人工检测的方法精确度和效率较低，已经不能适应航空事业的高速发展。机场道面病害的自动分类识别，除了能检测到病害，还能帮助工作人员根据病害的类别，了解病害的危害程度。目前，还没有一套系统既能够对机场道面进行异物的分类识别，又能够进行破损的分类识别。本文根据病害分类算法的一些难题，进行异物和破损的病害图像的增强、分割、特征提取、分类识别以及病害度量等多方面的研究。

      (1)根据机场道面复杂背景，对病害图像进行预处理，破损图像采用低通滤波和小波变换进行图像增强，并提出了基于局部灰度方差的大津阈值分割，能够有效地分割破损图像。

      (2)研究了纹理、颜色、形状等多个特征在异物分类的应用，特征选择后，设计以粗糙度、H通道颜色矩、梯度特征组成异物特征向量；根据不同类型破损的几何形态差异，研究多种特征在破损分类的应用，设计以分形维、投影特征、几何矩组成破损特征向量。

      (3)对比分析了BP神经网络和Adaboost分类器的分类识别效果，设计了基于Adaboost的分类识别算法，实验表明，该算法减小了漏检率和误检率，提高了分类精度。在破损的度量上，本文设计了有效的算法进行单向裂缝长度和宽度的计算，以及龟裂和坑洞面积的计算。

      综上所述，本文研究了可见光机场道面病害图像分类识别的相关算法，提出了基于多种特征的Adaboost分类算法，该算法经过实验证明了其合理性和有效性，并被用于实际应用中。