多尺度空间下的隧道裂缝与渗水区域检测

基于点云影像提出了多尺度空间下的裂缝渗水区域识别检测算法.根据不同尺度隧道裂缝的物理特点,通过定义尺度空间,提出了一种融合型图像检测算子,保持对带状裂缝检测的稳定性,同时对于灰度值较高的小裂缝,可以恢复对其的敏感特性,得到较多的响应边缘像素,实现不同尺度裂缝渗水区域的识别和检测.并通过实例证实了该算法可以有效排除伪裂缝信息的干扰,对不同尺度的裂缝进行准确识别定位和提取.     

基于多图像与多分辨率的路面裂缝检测方法

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(gradient-like)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,融合后的结果比单张图像检测效果更好,且使用多尺度的方法能更好保存图像的几何特性,很大程度提高了路面裂缝检测的可靠性和精度.     

基于多尺度全卷积与CRF的路面裂缝检测算法

针对已有路面裂缝检测算法对细小特征提取不够完善,并且未考虑到全局信息的问题,提出一种具有全局信息的多尺度全卷积神经网络路面裂缝检测算法.该算法融合了3个具有不同空洞卷积率的单尺度空洞卷积,构成多尺度空洞卷积,在不丢失分辨率的情况下扩展感知范围,减少参数计算量.利用反卷积层融合深层信息与浅层信息来扩充图像细节.最后将网络...     

基于脉冲耦合神经网络的路面裂缝提取

考虑裂缝比路面背景更暗的特点,采用结合赋时矩阵的脉冲耦合神经网络模型,实现了路面图像分割和裂缝的粗提取;利用裂缝比杂质面积大的特点,提出一种基于数字形态学的连通区域提取算法,通过计算每个区域包含的像素数量,采用阈值方法剔除杂质,实现裂缝的精提取。研究结果表明:脉冲耦合神经网络裂缝粗提取方法的平均检测率和虚检率分别为92.43%和47.67%;综合方法平均检测率和虚检率分别为91.1%和7.68%,显著提高了路面裂缝检测的准确性。     

基于图像高维特征压缩映射的混凝土表面裂缝检测算法

在复杂背景下,基于单一朴素特征表示的混凝土裂缝检测算法易受光照、背景杂波的干扰.利用多种图像区域特征描述子可以提取混凝土图像区域大量丰富的纹理特征,取得良好的裂缝病害检测效果.然而高维度的图像区域特征向量给后续的裂缝分类检测过程带来巨大的存储与计算负担.针对此问题,提出一种基于图像高维特征压缩映射的混凝土表面裂缝检测算法.基于Johnson-Lindenstrauss引理,本文算法可以利用较少的区域特征向量获得关于裂缝与非裂缝区域具有良好区分度的特征描述.在高维特征压缩映射的基础上,进一步利用最小二乘支持向量机快速准确地判断出裂缝与非裂缝样本.通过在实际采集的混凝土图像数据集上进行测试验证,本文算法的训练效率比高维样本模型训练快150多倍,同时裂缝病害区域检测准确率为90.3%、召回率为91.2%,优于其他对比裂缝检测算法.      

基于方向特征及引力模型的路面裂缝检测

针对全局性路面裂缝检测方法的局限,提出了一种基于方向特征及引力模型的路面裂缝检测方法.算法首先根据裂缝的延伸性及局部过渡性,搜索裂缝端点,并设计了反映裂缝线型特征的方向因子及方向导数区分度判据,使裂缝判别局限在裂缝端点延伸方向的局部邻域内,有效地阻止了非裂缝区域冗余信息的引入.进一步根据人类判别裂缝的视觉特性,借鉴物理学原理建立了裂缝引力模型,增强了噪斑存在时裂缝连接的鲁棒性.结合颜色距离,设计了裂缝延伸与连接的多判据判别函数,实现对裂缝像素区域的判别检测.实验结果表明所提方法的准确性.     

基于多通道小波卷积神经网络的路面异常检测算法

为了保证路面质量和行人与驾驶员的安全,提出了一种利用传感器时序多变量信号数据进行路面异常检测的算法.针对行驶过程中需要结合多种传感器信号在不同尺度对路面特征进行分析的问题,提出结合小波卷积网络和多通道网络技术,实现路面异常检测.首先,在多级小波变换间加入卷积神经元网络,从多个尺度分析单个传感器信号的局部连续性;然后,构建多通道神经网络,将多个传感器信号分别作为不同通道的输入,计算多个信号相结合的特征向量;最后,使用多层感知机根据多通道小波网络的输出实现路面异常检测.实验结果表明,该检测算法相对于传统的时间序列分类方法,同时考虑了多尺度分析、信号局部连续性和多变量信号的结合,在分析多变量时序信号数据时,具有更低的误检率和漏检率,更高的F1值.     

形态学和最大熵图像分割的城市路面裂缝检测

针对路面检测过程中后期处理数据工作量大、城市路面图像噪声多等特点,提出利用形态学和最大熵图像分割的城市路面裂缝检测方法.路面图像经过初始分类后,利用数学形态学变换对路面裂缝图像预处理,采用不同尺度、不同方位的结构元素对灰度图像做开运算重构,以提高图像中裂缝目标与路面背景之间的灰度差异;利用最大熵法进行图像分割,并对二值化后的裂缝图像进一步精细化处理;利用投影分析方法进行裂缝分类.研究结果表明:该方法能够在抑制噪声干扰的同时,实现快速、准确地检测路面裂缝边缘,并准确完成裂缝分类.     

基于数理形态学的近红外光图像实时人脸检测

该新型算法首先使用基于Harr特征和Adaboost算法的人脸检测方法寻找人脸候选区域,并对候选区域进行归一化处理;然后利用人眼瞳孔在近红外光图像中会生成白色光斑的特点,使用基于数理形态学的Quoit滤波器精确定位眼睛.为了减小不同瞳孔大小带来的影响,使用了多尺度的Quoit滤波器以提高准确性.实验表明,这种方法不仅准确性高而且速度快,达到了实时人脸检测的要求.     

一种局部多特征融合的行人检测算法

为快速定位车辆前方的行人,提出一种基于腿部区域多尺度的梯度方向直方图(HOG)特征与hu矩特征融合的行人检测方法,融合腿部区域的轮廓和纹理特征,有效地降低特征向量维数.实验结果表明,该算法能在保持较高的检测准确率的同时提高检测速度.     

基于双树复小波的直方图路面裂缝检测算法

分割算法广泛用于公路路面裂缝的检测,然而低抗噪性是这类算法存在的主要问题.将双树复小波变换和直方图方向梯度相结合,提出一种基于双树复小波变换的路面裂缝检测算法.该算法用双树复小波变换对路面裂缝图像进行子带分解,对各子带图像进行直方图方向梯度矩阵计算,阈值化后确定裂缝边缘.实验结果表明,与传统边缘检测算法相比,该算法目标识别度高、抗干扰能力强及准确率高.     

结合路面深度影像梯度方向直方图和分水岭算法的裂缝检测

裂缝检测对于道路维护和管理具有重要作用.由于深度影像对路面油污、阴影等因素不敏感,近些年来基于深度影像的检测方法已成为路面裂缝检测新的研究方向之一.传统的激光扫描线方法没有顾及裂缝在整个空间分布的变异性、各向异性和全局性特征,无法有效检测横向、块状、网状等裂缝.针对以往算法的不足,提出一种结合梯度方向直方图和分水岭算法的路面裂缝检测方法.首先,通过梯度方向直方图算法提取路面深度影像的裂缝边缘强度和方向;然后,利用裂缝边缘方向改进传统分水岭算法,最终提取裂缝目标.实验结果表明,该方法不仅能够准确检测多种类型的裂缝目标,而且能识别裂缝破损程度.     

基于稀疏自编码的路面裂缝检测

针对传统路面裂缝检测系统在复杂纹理背景噪声下检测效率低,易造成漏检、错检等现象提出了一种基于稀疏自编码的裂缝自动检测方法. 该方法首先采用一种基于各向异性的检测算法进行裂缝子块的初步筛选,经过稀疏自编码提取出特征后由softmax分类器进行训练和分类,最后由张量投票算法进行空间加强和去噪从而得到裂缝信息. 实验结果表明,文中提出的算法在无人工干预的情况下能够有效检测出图像裂缝区域,相比传统检测算法具有更高的检测精度和抗干扰能力.      

基于分数域加窗和对比度增强的路面裂缝检测

针对传统人工路面裂缝检测的效率和精度低以及耗费大量人力物力等问题,提出了一种基于分数域加窗和对比度增强的路面裂缝检测方法。首先,使用分数阶傅里叶变换将裂缝图像转化到分数域,利用最优窗函数对频谱进行加窗处理达到去噪效果。然后,使用分数阶同态滤波算法对去噪图像进行对比度增强,并通过迭代的方法获取最佳阶次下对比度最高的图像。最后,使用Canny算法和Otsu算法分别对增强图像做边缘检测和阈值分割,通过对两者结果做或运算和图像形态学运算来有效提取裂缝图像中的裂缝特征。将检测结果与分数频域处理法和改进HC显著法对比,该方法的准确率分别提升了5.84%和4.5%,召回率分别提升了5.58%和3.52%,表明该方法在路面裂缝检测上具有更好的检测效果和更高的识别率。     

局部特征聚类联合区域增长的桥梁裂缝检测

针对传统裂缝检测算法抗干扰能力弱,浅层裂缝易误判等问题,提出一种局部特征聚类联合区域增长的桥梁裂缝检测算法。首先,针对混凝土表皮脱落及渗水等干扰问题,采用Gauss-Frangi双重滤波对图像模糊化处理,退化噪声的特征信息,并增强图像中的线性结构。其次,针对常规算法无法识别弱特征的浅层裂缝问题,根据局部区域裂缝点间的空间相关性,提出基于网格聚类联合区域增长算法实现局部区域裂缝的动态分割。最后,针对分割图像中伪裂缝等顽固噪声,提出一种基于形状特征及结构相似性原理方法剔除噪声。实验表明,所提算法可检测出更多的裂缝细节信息,且保持较高的精确率,提高了裂缝图像分割质量。     

融于图像多特征的路面裂缝智能化识别

路面裂缝形状不规则复杂程度高。传统路面裂缝识别技术需要对路面图像进行复杂预处理工作进行识别,不能自动化对路面裂缝图像进行分类。为提高对路面裂缝识别精度和效率,本文将基于深度学习方法提出一种自动识别路面裂缝并能减少图像预处理工作量的方法。首先,将原始图像切割为小样本图像,根据图像多特征进行分类,各选取相同类型样本2000张图像构建数据集;其次,利用双线性内插法对裁剪后图像进行上采样,凸显图像特征便于神经网络学习;最后,使用深度学习神经网络对训练样本进行特征提取训练模型。实验结果表明：ResNet101模型评估指标均优于其他深度学习模型和机器学习模型,模型测试精度达0.898,kappa系数为0.815。     

基于人工种群的路面裂纹检测

提出了用于路面裂纹检测的人工生命算法,该算法遵循人工生命理论由下而上构建人工系统的原则,构建了人工种群。人工种群由不同种类的人工生物组成,有些种类的人工生物依据裂纹区域较暗的前提条件完成了路面图像的二值化,而另一些则依据裂纹与噪声、黑斑、油污在形状上的区别来进一步识别裂纹。不同种类的人工生物严格分工、相互合作,从而完成裂纹检测。人工生命算法具有较好的适应性,实验结果证实人工生命算法是有效的。     

用图像处理的方法检测公路路面裂缝类病害

公路路面裂缝类病害是公路路面的主要病害之一。在对公路路面裂缝类病害的检测中,将CCD摄像机作为探测系统安装在一个专用测试车上,对路面进行扫描,得到路面图像。构造了8个方向的Sobel模板对路面裂缝类病害图像进行边缘检测,边缘检测处理后,结合加权的邻域平均噪声滤除算法和Ostu图像分割算法对病害图像进行处理。处理结果相对于其他经典算法,裂缝边缘宽度较细,并且裂缝的边缘保护很好,裂缝边缘的连续性也比较好。用图像处理的方法检测公路路面裂缝类病害,检测精度和检测效果都比较满意。     

基于模糊数学的公路路面裂痕检测技术

根据公路路面实际裂痕灰度值比背景灰度值低,而路面非背景和非裂痕像素灰度值比背景灰度值高或低很多,设计了一种基于模糊数学的公路路面裂痕检测的新技术.首先使用改进的基于乘性模型的灰度校正算法对原始图像进行预处理,接着根据OTSU最大类间方差法计算得到原图像前景与背景的最佳阈值作为渡越点,构造一个新的模糊隶属度函数对预处理后的图像进行模糊处理,然后用Sobel算子对模糊后的图像边缘检测判断得到含有裂痕信息的区域,最后用图像分割算法区域分割出含有裂痕信息的图像子块.实验证明,新提出的方法在处理速度和检测准确性方面基本能够满足实际需要,能实时、自动检测出模糊图像的裂痕.