基于分区域多尺度分析的路面裂缝检测算法(精)
基于多尺度布朗运动模型的路面破损检测

C m u rE gneiga dA piao s o p t n i r n p l t n 计算 机工程 与应用 e e n ci
基于 多尺度布朗运动模型 的路 面破损检测
胡 勇 , 赵春 霞 , 郭志波
HU Yo g, n ZHAO Ch n i GUO Zh ~b u —xa, i o
s ae f fa a Br wn oi n c l o rctl o m to ch r ce v t r t d s rb i a e a a tr eco o e c ie m g blc a a o k nd k- e n c u trn a d o i mec ns m a s l se g n v tng i ha im a e r us d e
Brwn o moi n h w h t t i t s o t a h s o meh d s to i mo e f c e c , r e a t e s n co e o r ia c a k o i o i d t ci g o d r e i n y mo e x c n s a d l s r t o g n l r c p st n n e e tn r a i i i
.
o r c d tc in wi dr c l f c h e a u t n o o d a g . a e o a moi n f c a k ee t l ie t a e t t e v l a i f r a d ma eB s d n Brwn o l y f o t mo e ,h s p p r p e e t mut— o d l t i a e r s ns a l i
.
En ie rn n pia ins2 0 . 4 3 :3 - 3 . gn e ig a d Ap l t c o . 0 8 4 ( ) 2 4 2 5
基于快速扩散算法的精细化路面裂纹检测算法

基于快速扩散算法的精细化路面裂纹检测算法
孟凡林
【期刊名称】《信息通信》
【年(卷),期】2016(000)003
【摘要】基于数字图像处理的裂纹检测算法已经突破传统方法的范围限制,很多算法能够很好地处理路面裂纹检测,文章基于算法的优缺点提出了一种精细化裂纹检测算法,首先使用多尺度脊边缘检测进行粗标记,然后利用形态学特征选取端点作为种子点,之后用最小生成树算法生成各点连接关系,最终使用快速行进扩散算法完成邻接点之间的连接.
【总页数】2页(P80-81)
【作者】孟凡林
【作者单位】长安大学,陕西西安710016
【正文语种】中文
【中图分类】U418.6
【相关文献】
1.基于人工种群和Agent的路面裂纹检测算法 [J], 张洪光;王祁
2.基于改进扩散偏微分方程的路面裂纹病害检测 [J], 郑大钊
3.基于渗透算法和改进型OPTA的裂纹检测算法 [J], 宋强;林国营;马敬奇;吴亮生;何峰
4.一种快速的玻璃瓶口裂纹检测算法 [J], 丁挺;丁晓丹;范洪达
5.基于结构特征的路面裂纹病害检测算法 [J], 王刚;王娟;王德华;张志峰;肖亮
因版权原因,仅展示原文概要,查看原文内容请购买。
基于多特征的路面裂缝目标提取方法

基于多特征的路面裂缝目标提取方法姜吉荣;陈小惠【期刊名称】《计算机技术与发展》【年(卷),期】2016(026)005【摘要】根据路面裂缝图像受到各种环境的干扰,从实用角度出发,提出了结合局部灰度特征、局部相异度特征和局部方向特征的裂缝目标提取算法.首先以数量统计值对裂缝目标和背景粗划分,对粗划分后裂缝目标计算其灰度特征,结合当前点相异度特征并计算自适应阈值得到裂缝信息.但由于裂缝存在空洞点和断裂点,弥补方法是判断当前点邻域内非零像素点数,符合条件下再计算窗口内非零像素点与当前点的斜率,对角度进行投票,提取局部方向特征描述.最后结合多结构元素形态学去噪算子,去除孤立噪声.与最大类间方差法和基于传统特征的分割算法进行了对比,实验表明文中方法能够较为完整、连续地提取路面裂缝目标.%A practical method for pavement crack object extraction based on Local Gray Feature ( LGF ) , Local Dissimilarity Feature ( LDF) and Local Orientation Feature ( LOF) is proposed,aiming at extracting crack targets in various complex conditions. Firstly,rough division of crack target and background is done by the count statistics and gray feature is computed as LGF description,LGF-LDF feature is obtained for the crack basic information with adaptivethresholds,combined with the current point dissimilarity feature. To fill void and breaking points and to enhance computing efficiency, the number of non-zero pixels in the neighbor of the processing pixel point is judged and the orientation of the non-zero point and the processing pointis computed to vote for the angle and the local orientation fea-ture description is extracted. The morphological filter operators are utilized combing with multi-structure elements to eliminate isolated noises. The experiment results show that the method proposed achieves a better performance in extracting the crack targets than both Otsu and algorithm based on traditional features.【总页数】6页(P173-178)【作者】姜吉荣;陈小惠【作者单位】南京邮电大学自动化学院,江苏南京 210023;南京邮电大学自动化学院,江苏南京 210023【正文语种】中文【中图分类】TP391【相关文献】1.基于空域方格模板的水泥刻槽路面裂缝提取方法 [J], 英红;吴倩;刘杨2.基于稀疏表示和多特征融合的路面裂缝检测 [J], 张玉雪;唐振民;钱彬;徐威3.基于改进的局部阈值分割的阴影路面裂缝提取方法 [J], 刘晟4.基于多特征检验的三维沥青路面裂缝检测 [J], 邱延峻; 王国龙; 阳恩慧; 余孝丽; 王郴平5.基于多特征流形学习和矩阵分解的路面裂缝检测 [J], 钱彬;唐振民;沈肖波;郭剑辉;吕建勇因版权原因,仅展示原文概要,查看原文内容请购买。
一种新的路面裂缝自动检测算法

一种新的路面裂缝自动检测算法
高尚兵;颉正;潘志庚;覃方哲;李锐
【期刊名称】《系统仿真学报》
【年(卷),期】2017(29)9
【摘要】实际路面图像因噪声成分复杂、覆盖面广,给检测裂缝造成难度。
针对路面病害中裂缝图像自身的特征,提出了一种裂缝自动检测算法。
该算法首先使用灰度矫正和滤波处理对裂缝图像进行预处理,然后结合最大类间方差法和Canny算子对病害图像进行边缘检测,再基于裂缝图像中裂缝的最大连通性提出了一种检测定位和精确分割算法,最后利用卷积神经网络算法对路面裂缝分类识别。
实验结果表明,该方法在路面裂缝检测效率上具有更大的优势,而且对于不同类型的裂缝图像都具有鲁棒性。
【总页数】7页(P2009-2015)
【作者】高尚兵;颉正;潘志庚;覃方哲;李锐
【作者单位】淮阴工学院计算机与软件工程学院;杭州师范大学数字媒体与人机交互研究中心
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于三维虚拟路面的裂缝自动检测算法
2.一种新的布匹瑕疵图像自动检测算法
3.一种自动检测棋盘角点的新算法
4.沥青路面裂缝自动检测算法
5.一种自动检测水准测量资料中点位突跳的新算法
因版权原因,仅展示原文概要,查看原文内容请购买。
基于多尺度特征融合网络的路面裂缝分割方法研究

2097-3012(2023)03-0425-06 Journal of Spatio-temporal Information 时空信息学报收稿日期: 2023-02-16;修订日期: 2023-09-30作者简介: 李朝勇,研究方向为核电工程项目建设、民用工程建设及维修治理等。
E-mail:***************基于多尺度特征融合网络的路面裂缝分割方法研究李朝勇,张成,韦海丹广西防城港核电有限公司,防城港 538001摘 要:针对路面缺陷检测设备采集到的路面影像中裂缝像素数占比较小,而现有深度学习的语义分割网络难以分割图像中小目标的问题,本文提出了一种融合了多尺度特征信息的编解码结构语义分割网络模型。
首先,在经典编解码结构分割网络U-Net (u-shaped network)的基础上,将编码结构中不同层级的特征图分别与解码结构中的特征图越级融合;其次,在网络的误差反向传播过程中选择适用于小目标物体分割的损失函数Focal Loss ;最后,在CrackForest 数据集上对本文方法和常用四种模型进行了对比分析。
结果表明,改进的U-Net 模型在交并比、F1分数两种综合评价指标上的表现均要优于其他模型,且在细小裂缝的分割结果上提升更为明显。
这说明本研究能够为路面影像中裂缝分割任务提供技术参考。
关键词:路面裂缝分割;改进的U-Net ;多尺度特征融合;Focal Loss引用格式:李朝勇, 张成, 韦海丹. 2023. 基于多尺度特征融合网络的路面裂缝分割方法研究. 时空信息学报, 30(3): 425-430Li C Y , Zhang C, Wei H D. 2023. Research on road crack segmentation method based on multi-scale feature fusion network. Journal of Spatio-temporal Information, 30(3): 425-430, doi: 10.20117/j.jsti.2023030151 引 言道路安全问题至关重要,路面裂缝是威胁道路安全的重要因素之一(翁飘等,2019)。
《基于深度学习的路面裂缝提取关键技术研究》范文

《基于深度学习的路面裂缝提取关键技术研究》篇一一、引言随着人工智能技术的不断发展,深度学习算法在计算机视觉领域的应用逐渐增多。
在道路检测与维护中,路面裂缝的检测是一项重要且复杂的任务。
传统方法多依赖人工观测与简单图像处理技术,难以准确有效地完成这一任务。
近年来,基于深度学习的技术为路面裂缝的提取与识别提供了新的思路与方法。
本文旨在探讨基于深度学习的路面裂缝提取关键技术的研究。
二、路面裂缝提取的背景与意义道路作为城市基础设施的重要组成部分,其维护保养对交通安全、道路使用寿命等具有重要意义。
然而,路面裂缝是道路常见的病害之一,其早期发现与及时修复对保障道路安全至关重要。
传统的路面裂缝检测方法主要依赖人工观测,效率低下且易受人为因素影响。
因此,研究基于深度学习的路面裂缝提取技术,对于提高道路检测的自动化程度、准确性以及效率具有重要意义。
三、深度学习在路面裂缝提取中的应用深度学习通过模拟人脑神经网络的工作方式,实现从大量数据中自动提取特征,广泛应用于图像识别、语音识别等领域。
在路面裂缝提取中,深度学习算法可以通过训练大量包含路面图像的数据集,学习到裂缝的特征,从而实现裂缝的自动提取与识别。
四、关键技术研究1. 数据集构建高质量的数据集是深度学习算法训练的基础。
针对路面裂缝提取任务,需要构建包含大量带有裂缝标签的图像数据集。
数据集的构建包括数据采集、预处理、标注等步骤。
为了提高算法的泛化能力,还需要考虑数据集的多样性。
2. 模型选择与优化选择合适的深度学习模型是路面裂缝提取的关键。
常用的模型包括卷积神经网络(CNN)、循环神经网络(RNN)等。
针对路面裂缝提取任务,需要选择或设计适合的模型结构,并通过优化算法提高模型的性能。
3. 特征提取与表示深度学习通过自动提取图像中的特征,实现图像的分类、识别等任务。
在路面裂缝提取中,需要从图像中提取出与裂缝相关的特征,如形状、纹理、颜色等。
这些特征将用于后续的裂缝识别与分类。
基于多图像与多分辨率的路面裂缝检测方法

W ANG Xi a o - mi n g ,F ENG Xi n ,DANG J i a n - wu
( 1 . Co l l e g e o f El e c t r i c a l a n d I n f or ma t i o n En g i n e e r i n g,La n z h o u Un i v . o f Te e k, I mn z h o u 7 3 0 0 5 0, C h i n a ;2 .S c h o o I o f Au t o ma t i o n a n d E l e e 一
t r i c a l En g i n e e r i ng,I mn z h o u Un i v e r s i t y o f Co m mu n i c a t i o n s ,l  ̄n z h o u 7 3 0 0 7 :Th e c o mp l e x i t y o f t h e p a v e me n t i ma g e a n d t h e f e e b l e n e s s o f c r a c k s i g n a l i n p a v e me n t ma k e i t s
摘要 : 路 面图像 的复杂性及裂缝信息的弱信号性导致对路面裂缝进行 检测非常 困难 , 为此提 出一种基于 多图像和 多分辨率 的路面裂缝检测方法. 首先, 在数据采集上 , 本 文使用 双摄 像机对 同一段路 面于不 同角度进行 数据采集 , 光 源分别使用定 向光源和 自然光源进行 测试. 其次, 在 裂缝检测 上, 使用 金字塔变换 对 图像进行 多尺度 分解, 再将 每个尺度 的分解 图像阈值处理后重建 为类梯度( g r a d i e n t - l i k e ) 图像 , 然后使用分水岭 算法对类梯 度 图像进 行分 割, 得到细化后 的检测 图像. 最后 , 将同一块路 面的两张检测 图像进行融合, 得到最终 的检测 图像. 经试 验证 明, 融合后
基于方向特征及引力模型的路面裂缝检测(精)

( a) ) 端点 ; ( b) ) 内部点 ; ( c) ) 内部点 ; ( d) ) 内部点#
用修正迭代阈值法得到的二值图像 , 经形态 学运算后得到一幅单像素边缘图像#在单像素边 缘图像中 , 存在面积较大的长裂缝线、 面积较小的 短裂缝线及噪斑边缘线#相比短裂缝线 , 噪斑边缘 是随机且离散的, 其附 近很少有其他 边缘# 基于 此, 可设定噪斑边缘线的判定条件: 面积小于 A 1 ; 以此区域质心为中心 , 以 R 为半径的圆形域中没 有其他面积大于 A 2 ( A 1 < A 2 ) 的区域#通过该方 法可以将大部分伪裂缝区域去除, 图 2 给出了噪 斑去除后的效果图#
[ 5] [ 3] [ 1]
性, 在进行特征提取时引入了大量非裂缝冗余信 息, 裂缝信息被弱化#对具有斑块纹理的路面图像 而言 , 检测出的裂缝或者不连续, 或者噪斑、 伪裂 缝区域过多, 无法满足公路质检的要求# 针对上述问题 , 本文充分考虑路表裂缝走向 的局部过渡性和延伸性 , 引入了反映裂缝线型特 征的方向因子及方向导数区分度, 建立了基于物 理学原理的边缘线引力模型#最终提出了一种新 的裂缝延伸与连接检测算法#实验表明 , 本文方法
、 统计 滤波法
[ 6]
[ 4]
、 多尺 度分析
法 及细胞单元格法 等#以上算法本质均为基 于全局特性的算法, 没有考虑裂缝走向的局部特
收稿日期 : 2011- 06- 14 基金项目 : 国家自然科学基金资助 项目 ( 60874103) ; 国 家青年 科学基 金资 助项 目 ( 61005032 ) ; 辽 宁省 自然 科学基 金资 助项 目 ( 20102062) ; 沈阳市科技计划项目 ( F10- 147- 9- 00) # 作者简介 : 吴成东 ( 1960- ) , 男 , 辽宁大连人 , 东北大学教授 , 博士生导师#
结合多尺度特征和注意力机制的公路裂缝检测

结合多尺度特征和注意力机制的公路裂缝检测
张瑞燕
【期刊名称】《现代电子技术》
【年(卷),期】2023(46)3
【摘要】由于航拍公路裂缝数据缺乏并且裂缝图像存在目标小、分布复杂的特点,导致语义分割模型在航拍公路裂缝检测中效果差,影响模型在实际场景的应用,为此提出基于改进DeeplabV3+的公路裂缝检测方法。
构建语义分割模型,选定DeeplabV3+模型并作如下优化:由于低级特征包含更多裂缝细节信息,增加了提取低级特征的路径,从ASPP模块输出的特征为高级特征,高级特征包含更多语义信息,将两者信息进行融合能保证模型不丢失裂缝的细节信息;在网络中嵌入SCSE注意力模块抑制对其他无关信息的响应,改善模型在裂缝数据集检测效果差的问题。
实验结果表明,改进DeeplabV3+算法可以有效解决模型对小目标裂缝分割时效果差的问题,模型的检测精度提高了2.59%,具有较强的应用价值,可以为实际公路裂缝检测提供参考。
【总页数】5页(P100-104)
【作者】张瑞燕
【作者单位】中国海洋大学工程学院
【正文语种】中文
【中图分类】TN911.73-34;TP319.4
【相关文献】
1.结合视觉注意力机制基于尺度自适应局部对比度增强的红外弱小目标检测算法
2.结合多尺度融合特征和残差注意力机制的联合三维人脸重建及密集对齐算法
3.结合注意力机制的多尺度特征融合图像去雾算法
4.多尺度CNN结合自注意力特征融合机制的轴承故障诊断方法
5.结合跨尺度特征融合与瓶颈注意力模块的轻量型红外小目标检测网络
因版权原因,仅展示原文概要,查看原文内容请购买。
《基于深度学习的路面裂缝提取关键技术研究》范文

《基于深度学习的路面裂缝提取关键技术研究》篇一一、引言随着人工智能技术的不断发展,深度学习算法在计算机视觉领域的应用逐渐成熟,尤其在路面裂缝检测方面展现出了强大的优势。
本文将重点探讨基于深度学习的路面裂缝提取关键技术研究,分析现有方法的优点与不足,并提出新的研究思路和方法。
二、路面裂缝提取的研究背景与意义路面裂缝是道路损坏的重要表现形式之一,及时准确地检测和提取裂缝信息对于道路维护和修复具有重要意义。
传统的路面裂缝检测方法主要依靠人工巡检或简单图像处理技术,这些方法效率低下、准确性差,难以满足现代道路维护的需求。
基于深度学习的路面裂缝提取技术,可以有效地提高检测效率和准确性,为道路维护和修复提供有力支持。
三、深度学习在路面裂缝提取中的应用1. 卷积神经网络(CNN)卷积神经网络是深度学习中应用最广泛的网络结构之一,其在路面裂缝提取中取得了显著的成果。
通过训练大量的图像数据,CNN可以自动学习裂缝的特性和规律,从而实现对裂缝的准确检测和提取。
2. 目标检测算法目标检测算法是另一种常用的路面裂缝提取方法。
该方法可以通过在图像中定位裂缝的位置和大小,实现对裂缝的精确检测。
常见的目标检测算法包括Faster R-CNN、YOLO等。
3. 图像分割技术图像分割技术可以将图像中的不同区域进行分割,从而实现对裂缝的提取。
基于深度学习的图像分割技术,如U-Net等,可以有效地提取图像中的裂缝信息。
四、路面裂缝提取的关键技术研究1. 数据集构建数据集的质量和数量对于深度学习模型的训练和性能具有重要影响。
因此,构建高质量、大规模的路面裂缝数据集是关键技术研究之一。
可以通过采集多种类型的裂缝图像,并对其进行标注和整理,形成丰富的数据集。
2. 模型设计与优化模型的设计和优化是提高路面裂缝提取准确性的关键。
在模型设计方面,可以采用多种深度学习算法进行尝试和比较,如卷积神经网络、目标检测算法和图像分割技术等。
在模型优化方面,可以通过调整网络结构、引入注意力机制、使用迁移学习等方法,提高模型的性能和泛化能力。
路面裂缝检测方法(虞文景译自日本道路协会2007年《铺装调查

S029 ○S路面裂缝检测方法Method for Measuring Crack on Pavement Surface1.目的检测路面开裂程度。
2.适用范围该测定方法主要是为在现场测量沥青混合料和水泥混凝土所铺路面的开裂。
测定结果对沥青路面采用裂缝(开裂)率,对水泥混凝土路面采用开裂度评价。
裂缝检测可采用以下两种方法:(1)绘图法绘图法是采用观测者在现场草绘路面产生的裂缝,算出裂缝率或开裂度,用于对开裂的详细调查中。
(2)路面性能检测车法路面性能检测车是在连续数km以上里程的路面上,为收集路面维修养护必要数据,进行高速、大量检测时采用的方法。
3.测定器具(1)绘图法1)记录用纸沥青路面采用对所测路面按纵、横0.5m比例区划的网格纸,水泥混凝土路面,采用纵、横0.5m比例网格纸上预先记入混凝土板接缝位置(注1)。
注1)对水泥混凝土路面,也可在纵、横0.5m比例网格纸上,现场记录接缝位置。
2)可用刻度尺(钢直尺、钢卷尺、折尺等)或手持尺等检测裂缝长度。
(2)路面性能检测车法1)搭载开裂测定装置的路面性能检测车路面性能检测车,可将搭载的裂缝摄像装置和速度计协调同步,拍摄路面的连续图像,从该图像中读取开裂,算出裂缝率或开裂度。
近年伴随着电子技术、软件开发技术等的发展,开发了使用各种方法的装置,作为代表性的测定方法有以下三种:i)线摄影方式线摄影是用相机将路面横断方向的线画像和检测车行驶速度同步摄影,得到路面连续图像的方式。
ii)点摄影方式点摄影是采用激光光点在路面横断方向高速扫描,用光传感器采集反射光量的变化,采用和检测车行驶速度同步,得到路面连续图像的方式。
iii)面摄影方式面摄影是采用CCD相机将路面影像重迭,得到一定面积图像的方式。
4.测定方法(1)绘图法1)沥青路面是从道路中心线一侧的车道内侧到路肩内侧,设想路面上有区划0.5m间距的网格,将各网格的开裂情况记录在每1车道中。
(2)路面性能检测车法1)确定检测区间的起点和终点,基于其间里程标志和路面标线,确认区划裂缝检测区间的桥梁、隧道等构筑物的位置。
基于多尺度卷积网络的路面图像裂缝分割方法

2020年软 件2020, V ol. 41, No. 5作者简介: 孙梦园(1995–),女,清华大学硕士生,研究方向为企业信息化、路面裂缝检测与道路资产管理;刘义(1966–),女,清华大学自动化系系统集成研究所副研究员,研究方向为管理与决策、ERP 、供需链管理、现代物流、电子商务等方面的研究、开发与应用工作;范文慧(1966–),男,清华大学自动化系教授,研究方向为复杂多智能体建模与仿真、复杂系统动力学建模与仿真、大数据驱动的建模与仿真、仿真系统与应用工程技术等。
通讯联系人: 孙梦园(1995–),女,清华大学硕士生,研究方向为企业信息化、路面裂缝检测与道路资产管理。
基于多尺度卷积网络的路面图像裂缝分割方法孙梦园*,刘 义,范文慧(清华大学自动化系,北京 100191)摘 要: 在高速公路养护过程中,裂缝是路面评价指标的重要依据。
考虑到样本不平衡、路面图像噪声干扰、裂缝尺寸多样的特点,作者提出了一种新颖的卷积网络以提高裂缝检测分割性能。
作者采用编码-解码器网络,跳跃连接不同层级特征,充分利用网络中图像的信息特征;同时设计了多尺度卷积核模块,在检测不同尺寸的裂缝与抑制噪声的表现上取得不错性能。
通过对路面裂缝的定位识别与提取等工作,文章提高了路面裂缝检测的效率与准确率。
关键词: 裂缝分割;多尺度卷积模块;编码-解码深度网络;不平衡样本中图分类号: TP391.4 文献标识码: A DOI :10.3969/j.issn.1003-6970.2020.05.020本文著录格式:孙梦园,刘义,范文慧. 基于多尺度卷积网络的路面图像裂缝分割方法[J]. 软件,2020,41(05):95 99A Method of Roadway Crack Segmentation with Multi-scale Convolutional Deep NetworkSUN Meng-yuan *, LIU Yi, FAN Wen-hui(Department of Automation, Tsinghua University, Beijing, 100191, China )【Abstract 】: In the process of expressway maintenance, crack is an important basis of influencing the pavement evaluation index. Considering the imbalance of samples, the noise interference of road image and the diversity of crack size, this paper proposes a new convolution network to improve the efficiency and accuracy of crack segmen-tation. This paper used a network of to jump and connect the feature dimensions of different levels to make full use of the information features of images in the network. At the same time, multi-scale convolutional blocks are put forward to detect cracks of different sizes and suppress noise. Crack’s feature extraction and visualization are real-ized. Through the work, he efficiency and accuracy of roadway crack detection are improved.【Key words 】: Crack segmentation; Multi-scale convolutional block; Encoder-decoder deep network; Sample imbalance0 引言道路检测可以帮助获得路况信息,评估损坏程度,并为道路维护和重建提供重要依据[1]。
数学形态学路面裂缝识别算法研究

Study on Fa ilure M echan is m of H i gh 2Cut S i de Slope i n X i n ji Town ofThree Gorges Reservo i r AreaXU Dong 2L i,Y U Ru 2shan(China University of Geosciences,W uhan 430074,China )Abstract:This paper establishes the model for evaluating the slope stability with rigid bl ock ulti m ate equili 2briu m method and strength reduction method and discusses the defor mati on and failure mechanis m and stability of side sl ope in Zigui County Xinji Town Q iandan Bay .The result indicates that the safety fact or calculated by strength reducti on finite element method is close t o that by the traditional rigid bl ock ulti m ate equilibrium method.W hen side slope fails,m iddle and lower p lastic yielding regions connect with upper failure regions to for m a sliding surface .Traditi onal rigid block ulti m ate equilibrium method cannot consider this special failure mechanis m ,but suppose that failure occurs along s ome sliding zone .Therefore,the result of slop stability ob 2tained with nu merical calculati on method is closer t o the actual value .Key words:high 2cut side sl ope;rigid bl ock ulti m ate equilibriu m method;strength reducti on method收稿日期:2009-01-19基金项目:交通部西南交通建设科技项目(200431800054)作者简介:梁世庆(1969-),男,湖北襄樊人。
基于多尺度曲波变换的路面裂缝融合算法

基于多尺度曲波变换的路面裂缝融合算法杨莉;吴贵芳;孙秀明【摘要】针对模糊、不连续的路面裂缝病害图像,提出一种新颖的图像处理算法进行裂缝病害的提取。
将采集的路面病害图像进行对比度增强、Canny-HBT(双曲正切)滤波去噪、亮度非均匀校正等一系列预处理操作,以提高图像中裂缝与路面背景的差异;对预处理后的路面病害图像进行多尺度的曲波变换表示,并在图像重构前利用Max-Mean混合的融合算法对裂缝连通区域进行阈值判决实现裂缝的精细融合;实验表明,该算法能更好地优化边缘定位,有效地提取弱对比度的裂缝和细小裂缝,提高了路面裂缝边缘检测的可靠性和精度,同时也提高了PSNR 值。
%A novel image processing method is proposed for extraction of road cracks from fuzzy and discontinuous pave-ment images. Firstly, a series of pre-processing operations are implemented to enhance the differences between cracks and backgrounds, which include contrast enhancement, de-noising based on Canny-HBT filter and brightness non-uniformity correction;secondly, the fusion of detector responses is performed using multi-scale curvelet transform and maximum-approximation with mean-detail image fusion algorithm to make threshold decision on the cracks connected area to realize the fine cracks fusion. The experimental results show that the proposed algorithm can make improved edge detection in images with superior edge localization, and can extract the small cracks and the cracks with the weak contrast effectively, and it improves the reliability and precision of the crack detection with higher PSNR.【期刊名称】《计算机工程与应用》【年(卷),期】2016(052)006【总页数】5页(P182-185,213)【关键词】路面裂缝;预处理;Canny-双曲正切(HBT)滤波器;曲波变换;融合【作者】杨莉;吴贵芳;孙秀明【作者单位】河南科技大学电子信息工程学院,河南洛阳 471000;河南科技大学电子信息工程学院,河南洛阳 471000;河南建筑职业技术学院,郑州 450000【正文语种】中文【中图分类】TP391.41YANG Li,WU Guifang,SUN Xiuming.Computer Engineering and Applications,2016,52(6):182-185.随着沥青道路占有量的不断提升,尤其在高速公路客流量和货流量大大增加时,一旦沥青路面存在各种病害问题[1-2](主要包括龟裂、纵向裂缝、横向裂缝、块状裂缝、坑洞、车辙等),将降低道路的使用安全性能,从而影响路面行车流量和安全,这就迫切需求对路面进行实时检测,及时检测路面可能出现的病害情况。
融合高阶多尺度特征的路面裂缝图像分割算法

融合高阶多尺度特征的路面裂缝图像分割算法
卢印举;李祖照;戴曙光
【期刊名称】《小型微型计算机系统》
【年(卷),期】2022(43)6
【摘要】针对裂缝图像的光照不均匀、斑马线等复杂背景使得传统的裂缝图像分割算法容易丢失细微及末梢裂缝等问题,本文提出了一种基于泰勒级数和多尺度特征的裂缝图像分割算法.首先,采用瑞利和高斯分布构成的有限混合模型对裂缝背景和目标进行建模,并使用期望最大化算法求解混合模型的参数;然后,通过泰勒级数的展开式描述裂缝的梯度方向,利用尺度变换构造裂缝图像的高阶多尺度特征;最后,将灰度有限混合模型和裂缝高阶多尺度特征融合到马尔科夫随机场模型,通过条件迭代算法优化求解裂缝标号场最大后验概率来实现图像分割.性能测试和不同算法对比分析实验表明,本文算法在保证裂缝几何参数不变的前提下能够抑制非裂缝目标并保留低对比度、细微和末梢裂缝,分割准确率达到85.93%、灵敏度达63.87%,衡量指标优于其他算法.
【总页数】7页(P1197-1203)
【作者】卢印举;李祖照;戴曙光
【作者单位】上海理工大学光电信息与计算机工程学院;郑州工程技术学院信息工程学院;广西交科集团有限公司
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于多尺度曲波变换的路面裂缝融合算法
2.基于相关特征约束的分水岭路面裂缝图像分割算法
3.融合多尺度特征的马尔可夫随机场路面裂缝分割算法
4.多尺度特征融合的轻量化膀胱癌MRI图像分割算法
5.基于几何结构测度的路面裂缝图像分割算法
因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
㊀d o i : 1 0 . 3 9 6 9 / j . i s s n . 1 0 0 5- 3 0 2 6 . 2 0 1 4 . 0 5 . 0 0 4
基于分区域多尺度分析的路面裂缝检测算法
卢紫微,吴成东,陈东岳,商世博
( 东北大学 信息科学与工程学院,辽宁 沈阳㊀1 1 0 8 1 9 )
摘㊀㊀㊀要:为了提高高速公路路面裂缝检测的准确性, 提出一种基于分区域多尺度分析的新型路面缺陷检 测算法, 从图像的不同尺度上提取裂缝及其周围不同区域的灰度、 熵和纹理特征分布信息, 获得蕴含方向走势 和弯曲程度等参数的特征向量, 通过支持向量机( s u p p o r t v e c t o r m a c h i n e , S V M) 的学习并对所得特征向量进 行判断, 检测出裂缝点所在位置. 实验结果表明, 算法与其他路面裂缝检测算法相比, 有效地提高了检测的抗 噪性、 通用性以及准确性, 达到了理想的裂缝检测效果, 满足公路质检的要求. 关㊀键㊀词:裂缝检测; 分区域; 多尺度; 方向走势; 弯曲程度 中图分类号:T P3 9 1 ㊀㊀㊀文献标志码:A ㊀㊀㊀文章编号:1 0 0 5- 3 0 2 6 ( 2 0 1 4 ) 0 5- 0 6 2 2- 0 4
( S c h o o l o f I n f o r m a t i o nS c i e n c e &E n g i n e e r i n g ,N o r t h e a s t e r nU n i v e r s i t y ,S h e n y a n g 1 1 0 8 1 9 ,C h i n a .C o r r e s p o n d i n g :L UZ i w e i ,E m a i l :l u z i w e i 5 3 0 @g m a i l . c o m) a u t h o r
第3 5 卷 第5 期 2 0 1 4年 5月
东 北 大 学 学 报 (自 然 科 学 版 ) J o u r n a l o f N o r t h e a s t e r nU n i v e r s i t y ( N a t u r a l S c i e n c e )
V o l . 3 5 , N o . 5 Ma y 2 0 1 4
P a v e me n t C r a c kD e t e c t i o nA l g o r i t h mB a s e do nS u b r e g i o na n d Mu l t i s c a l eA n a l y s i s
L UZ i w e i ,W UC h e n g d o n g ,C H E ND o n g y u e ,S H A N GS :I no r d e r t oi m p r o v et h ea c c u r a c yo f h i g h w a yp a v e m e n t c r a c kd e t e c t i o n ,an e wt y p eo f s u r f a c ed e f e c t sd e t e c t i o na l g o r i t h mw a sp r o p o s e db a s e do ns u b r e g i o na n dm u l t i s c a l ea n a l y s i s . G r a y ,e n t r o p ya n dt e x t u r ef e a t u r e sd i s t r i b u t i o ni n f o r m a t i o nw e r ee x t r a c t e di nc r a c k sa n dt h e s u r r o u n d i n ga r e a sf r o md i f f e r e n t s c a l e so f i m a g e s .F e a t u r ev e c t o r so f p a r a m e t e r sc o n t a i n i n gt h e d i r e c t i o nt r e n da n db e n d i n gd e g r e ew e r ea c q u i r e d ,a n dt h ec r a c kl o c a t i o nw a sd e t e c t e dt h r o u g h l e a r n i n gt h es u p p o r t v e c t o rm a c h i n e( S V M) a n dj u d g i n gt h ee i g e n v e c t o r .E x p e r i m e n t a l r e s u l t s d e m o n s t r a t e dt h a tt h er e s i s t a n c et on o i s e ,v e r s a t i l i t ya n dd e t e c t i o na c c u r a c yw e r ei m p r o v e d e f f e c t i v e l yb yt h ep r o p o s e da l g o r i t h mi nc o m p a r i s o nt ot h eo t h e rp a v e m e n tc r a c k sd e t e c t i o n a l g o r i t h m s .T h ei d e a lc r a c kd e t e c t i o ne f f e c tw a sa c h i e v e d ,a n dt h er e q u i r e m e n t so fh i g h w a y q u a l i t yi n s p e c t i o nw e r em e t e f f e c t i v e l y . K e yw o r d s :c r a c kd e t e c t i o n ;s u b r e g i o n ;m u l t i s c a l e ;d i r e c t i o nt r e n d ;b e n d i n gd e g r e e ㊀㊀随着高速公路的不断建设, 对道路养护及其 病害检测方法的研究逐渐受到重视. 路面的情况 复杂多样, 一般的人力检测资源消耗严重、 时效性 低, 可靠性差, 这使得计算机自动检测公路路面病 害的技术成为该领域的研究热点之一. 目前路面裂缝检测的方法按照特征提取方法 的不同, 可以分为点特征、 线特征、 纹理特征和变 点特征方法的代表性工作 换域特征等几类方法. [ 1 ] 有邹勤等 提出的基于目标点最小生成树的检 2 ] 提出的基于图像三维地形模型 测方法; 唐磊等 [