铁道学报
鐵道學報
철도학보
2015年
5期
64-70
,共7页
朱力强%白彪%王耀东%余祖俊%郭保青
硃力彊%白彪%王耀東%餘祖俊%郭保青
주력강%백표%왕요동%여조준%곽보청
裂缝识别%连通区域%Hough变换%特征提取%机器学习
裂縫識彆%連通區域%Hough變換%特徵提取%機器學習
렬봉식별%련통구역%Hough변환%특정제취%궤기학습
crack identification%connected components%Hough transform%feature extraction%machine learning
有效地检测地铁隧道表面裂缝对于隧道的安全至关重要.地铁隧道表面图像普遍存在光照不均匀,目标对比度低,背景纹理复杂,噪声干扰严重等问题,而检测传统图像裂缝,如混凝土表面、路面裂缝等的算法不能很好地适用于地铁隧道表面图像.为此本文提出了一种隧道表面裂缝识别的算法.该算法首先利用Mask匀光等预处理算法改善隧道图像的质量,而后分别设计了基于模板的分析法、基于Hough变换的线型结构分析法、基于SVM的近似裂缝结构分析法等算法对隧道表面裂缝图像各成分进行提取,从而达到识别裂缝的目的.实验结果表明,该算法对传统裂缝图像的识别准确率可达97%,对于隧道表面的裂缝图像识别准确率可达81%.
有效地檢測地鐵隧道錶麵裂縫對于隧道的安全至關重要.地鐵隧道錶麵圖像普遍存在光照不均勻,目標對比度低,揹景紋理複雜,譟聲榦擾嚴重等問題,而檢測傳統圖像裂縫,如混凝土錶麵、路麵裂縫等的算法不能很好地適用于地鐵隧道錶麵圖像.為此本文提齣瞭一種隧道錶麵裂縫識彆的算法.該算法首先利用Mask勻光等預處理算法改善隧道圖像的質量,而後分彆設計瞭基于模闆的分析法、基于Hough變換的線型結構分析法、基于SVM的近似裂縫結構分析法等算法對隧道錶麵裂縫圖像各成分進行提取,從而達到識彆裂縫的目的.實驗結果錶明,該算法對傳統裂縫圖像的識彆準確率可達97%,對于隧道錶麵的裂縫圖像識彆準確率可達81%.
유효지검측지철수도표면렬봉대우수도적안전지관중요.지철수도표면도상보편존재광조불균균,목표대비도저,배경문리복잡,조성간우엄중등문제,이검측전통도상렬봉,여혼응토표면、로면렬봉등적산법불능흔호지괄용우지철수도표면도상.위차본문제출료일충수도표면렬봉식별적산법.해산법수선이용Mask균광등예처리산법개선수도도상적질량,이후분별설계료기우모판적분석법、기우Hough변환적선형결구분석법、기우SVM적근사렬봉결구분석법등산법대수도표면렬봉도상각성분진행제취,종이체도식별렬봉적목적.실험결과표명,해산법대전통렬봉도상적식별준학솔가체97%,대우수도표면적렬봉도상식별준학솔가체81%.