公路交通科技
公路交通科技
공로교통과기
JOURNAL OF HIGHWAY AND TRANSPORTATION RESEARCH AND DEVELOPMENT
2014年
5期
21-30
,共10页
道路工程%裂缝识别%图像处理%路面裂缝%灰度拉伸%组合分割%连通性检测
道路工程%裂縫識彆%圖像處理%路麵裂縫%灰度拉伸%組閤分割%連通性檢測
도로공정%렬봉식별%도상처리%로면렬봉%회도랍신%조합분할%련통성검측
road engineering%cracking recognition%image processing%pavement cracking%grayscale stretch%combination segmentation%connectivity checking
针对路面裂缝图像识别结果容易存在孤立噪声和断续边缘的情况,提出了基于像素-裂缝子块双层连通性检测的图像自动识别算法,主要有4个部分:(1)基于自适应灰度拉伸的图像增强算法;(2)基于自适应大津法和八方向Sobel梯度信息的组合分割算法;(3)基于连通性检测的二值图像去噪算法;(4) 32×32裂缝子块识别和优化连接算法.然后,对5张3056×2048的路面破损图片进行裂缝识别,结果显示,该算法从像素和裂缝子块这2个层次进行连通性增强处理,可获得完整而连续的裂缝图像.最后,针对10张512×512的路面破损图片,对全局OTSU分割、八方向Sobel检测、Canny检测和本文算法进行测试,各算法综合性能指标F1值依次为62.46％、23.84％、10.45％和88.30％,准确率依次为83.45％,27.82％,17.83％和86.60％,召回率依次为56.89％,21.83％,8.89％和90.68％,体现了本文算法的优越性.
針對路麵裂縫圖像識彆結果容易存在孤立譟聲和斷續邊緣的情況,提齣瞭基于像素-裂縫子塊雙層連通性檢測的圖像自動識彆算法,主要有4箇部分:(1)基于自適應灰度拉伸的圖像增彊算法;(2)基于自適應大津法和八方嚮Sobel梯度信息的組閤分割算法;(3)基于連通性檢測的二值圖像去譟算法;(4) 32×32裂縫子塊識彆和優化連接算法.然後,對5張3056×2048的路麵破損圖片進行裂縫識彆,結果顯示,該算法從像素和裂縫子塊這2箇層次進行連通性增彊處理,可穫得完整而連續的裂縫圖像.最後,針對10張512×512的路麵破損圖片,對全跼OTSU分割、八方嚮Sobel檢測、Canny檢測和本文算法進行測試,各算法綜閤性能指標F1值依次為62.46％、23.84％、10.45％和88.30％,準確率依次為83.45％,27.82％,17.83％和86.60％,召迴率依次為56.89％,21.83％,8.89％和90.68％,體現瞭本文算法的優越性.
침대로면렬봉도상식별결과용역존재고립조성화단속변연적정황,제출료기우상소-렬봉자괴쌍층련통성검측적도상자동식별산법,주요유4개부분:(1)기우자괄응회도랍신적도상증강산법;(2)기우자괄응대진법화팔방향Sobel제도신식적조합분할산법;(3)기우련통성검측적이치도상거조산법;(4) 32×32렬봉자괴식별화우화련접산법.연후,대5장3056×2048적로면파손도편진행렬봉식별,결과현시,해산법종상소화렬봉자괴저2개층차진행련통성증강처리,가획득완정이련속적렬봉도상.최후,침대10장512×512적로면파손도편,대전국OTSU분할、팔방향Sobel검측、Canny검측화본문산법진행측시,각산법종합성능지표F1치의차위62.46％、23.84％、10.45％화88.30％,준학솔의차위83.45％,27.82％,17.83％화86.60％,소회솔의차위56.89％,21.83％,8.89％화90.68％,체현료본문산법적우월성.
