生成式对抗网络下路面裂缝图像检测识别仿真

为了有效提高生成式网络下路面裂缝检测精度,针对路面裂缝图像的复杂多样性,提出一种基于分水岭算法的路面裂缝图像检测识别方法。通过对路面裂缝图像进行分析,采用邻近区域相关知识对路面裂缝图像进行虚假裂缝去除,提取出路面真实裂缝纹理图像,引用分水岭算法对裂缝图像进行分割,获取细化后的检测图像,并将相同路面的两种图像进行融合,完成路面裂缝图像检测识别。实验结果表明,所提出基于分水岭算法的路面裂缝图像检测识别方法检测时间较短、检测准确率较高、误报率较低。     

基于多级去噪模型的路面裂缝检测方法

为了去除路面裂缝检测中的各种噪声,在分析对比了目前常用去噪模型优缺点的基础上,根据路面图像中的噪声及裂缝信息的特点,结合已有去噪算法的优点,提出了一种新的基于路面裂缝检测的多级去噪模型。整个去噪模型包括灰度去噪模型、空间滤波去噪模型、裂缝特征去噪模型与几何特征去噪模型。实验结果表明,该模型在路面图像的去噪、裂缝信息提取等方面有较大改进。     

网络实时动态图像信息智能过滤系统设计

为了预防网络中存在的不良图像信息对人们造成侵害,为人类创造一个安全健康的网络环境,需要对网络实时动态图像信息进行过滤。采用当前系统对网络实时动态图像信息进行过滤时,系统的安全性能较低,因网络安全隐患所引起的网络实时动态图像信息不能得到及时有效的处理,存在过滤时效性差、检索速率较慢、系统性能差等问题。为此,提出了一种网络实时动态图像信息智能过滤系统设计方法,首先介绍了系统的硬件设计,利用图像信息分类模块对网络实时动态图像信息进行分类,其次通过肤色检测模块、纹理检测模块、轮廓检测模块和形状描述符模块对网络实时动态图像信息进行检测,将完成检测的网络实时动态图像信息进行特征提取,通过图像信息YCgCr空间和图像信息YCgCr-LBP形状描述符算法完成对网络实时动态信息智能过滤。实验证明,所提方法设计的系统时效性和查全性较高,误检率较低。     

基于图像显著性的路面裂缝检测

有效的视觉显著性方法能准确快速地帮助人们在大量视觉信息中找到感兴趣的物体.针对实际路面图像噪声成分复杂、覆盖面广的特点,提出一种基于图像显著性的路面裂缝检测算法.该算法对路面裂缝图像分块灰度校正后,根据灰度稀疏性、全局对比度计算粗尺度下的裂缝显著值,然后由裂缝局部亮度、边缘特性、连续性特点进行不断扩张的细尺度的局部邻域显著性增强,再经空间显著性加强后,采用自适应阈值分割提取裂缝.大量的实验结果表明,该算法比传统算法更能正确、有效地检测出裂缝整体区域,抗噪声能力强,漏检率和误检率很低,具有和人类视觉特性相符合的检测结果.     

基于图像分析的路面裂缝检测识别系统

当公路路面开裂后,及时对路面裂缝进行维护才能有效降低公路的维护成本、提高公路的使用寿命。开发路面裂缝的检测识别系统不仅降低公路维护成本,而且可以防止意外发生,保护人身安全。首先,对图像进行预处理,目的是消除图像上的干扰裂缝识别的噪声。然后对图像进行检测识别,在图像上标记出裂缝准确区域,通过EXCEL保存试验所提取的裂缝参数信息。本系统通过使用Matlab软件编写程序实现整个图像裂缝识别过程。仿真实验结果表明,本系统能有效识别路面裂缝,大大效降低工人养护路面的成本和效率。     

结合NSCT和图像形态学的路面裂缝检测

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,为此提出一种基于非下采样contourlet变换(NSCT)和图像形态学的路面裂缝检测算法.首先对图像进行NSCT得到不同尺度、不同方向上的变换系数,在NSCT域中根据变换系数自适应地确定阈值,并应用广义非线性增益函数来增强较弱细节的局部对比度;然后对增强处理后的变换系数进行反变换;最后用图像形态学方法和中值滤波实现裂缝检测及孤立噪声点去除.通过对实际的高速路面图像测试表明,与直方图增强、小波变换及contourlet变换相比,该算法能更有效地增强弱对比度的细小裂缝,克服了常规算法易受离散噪声点以及光照条件等干扰的问题,具有较强的鲁棒性且高效实用.     

基于机器视觉的影像式耐火度检测系统

为了解决耐火材料耐火度测量结果的准确性,测量过程的直观性、智能化及非接触性,基于机器视觉技术,设计并实现了一款影像式耐火度检测系统;系统选用可二次开发工业摄像机和高性能的视觉控制器捕捉测试场景的图像信息,图像信息通过网络接口传送到实验室的工控机上;通过硬件定位与软件定位相结合,将被测个体一一分离;利用图像分析算法对被测个体图像进行有效信息提取;通过图像跟踪技术,对被测个体进行实时跟踪与识别;现场实验表明:基于机器视觉的耐火度检测系统能够实时准确地完成耐火度检测,检测误差不超过±5℃,满足GB/T 7322-2017对耐火度检测的要求。     

基于图像分析的路面裂缝检测识别研究

为了改善传统人工公路路面裂缝的检测效率与精度以及耗费大量人力物力,采用数字图像处理技术对公路路面裂缝进行检测识别.把采集到野外公路路面裂缝图像进行灰度化、灰度直方图均衡化、低帽滤波变换、滤波去噪、阈值分割操作检测识别出路面裂缝区域,提取线性裂缝提取骨架并求出其长度和最大最小宽度.通过使用MATLAB软件编制图像处理程序,验证本文提出的路面裂缝识别算法能够有效检测识别路面裂缝.     

基于改进U-net模型的路面裂缝智能识别

路面裂缝快速检测及响应是道路养护部门的一项重要工作,然而传统的裂缝检测方法耗时且准确度低。因此,本文基于改进后的U-net模型实现对路面裂缝精准地自动识别。结合Canny边缘检测、Otsu 阈值分割算法和人为干预手段研发一款半自动标注软件,用以实现路面裂缝的像素级标注。研究以路面2D激光图像为数据集,并在此基础上通过数据增强进行数据集样本扩充,从而构建模型训练原始样本库;在实验分析阶段,使用交叉熵损失函数判断预测值与真实值的误差大小,并结合Adam 算法优化模型。研究表明改进后的U-net模型在识别精度及泛化能力上均优于原U-net模型及全连接神经网络模型。该研究将为道路养护管理部门的路面病害快速检测提供技术支撑,从而利于快速响应、采取措施保证路面的行车安全。     

基于图像三维地形模型的路面裂缝自动检测

针对现有裂缝检测算法的不足,提出一种新的路面裂缝自动检测算法。将二维平面图像映射到三维空间曲面,使得在二维平面中难以描述的裂缝信息在三维曲面中能通过一条狭长的“山谷”来准确地描述。通过分析三维曲面中“山谷”的曲率特征,采用基于微分几何的空间检测算子准确提取曲面中的“山谷”,并映射到二维图像平面中作为裂缝点,成功检测到绝大部分裂缝信息。     

An optimum feature extraction method based on Wavelet–Radon Transform and Dynamic Neural Network for pavement distress classification

Quantification of pavement crack data is one of the most important criteria in determining optimum pavement maintenance strategies. Recently, multi-resolution analysis such as wavelet decompositions provides very good multi-resolution analytical tools for different scales of pavement analysis and distresses classification. This paper present an automatic diagnosis system for detecting and classification pavement crack distress based on Wavelet–Radon Transform (WR) and Dynamic Neural Network (DNN) threshold selection. The algorithm of the proposed system consists of a combination of feature extraction using WR and classification using the neural network technique. The proposed WR + DNN system performance is compared with static neural network (SNN). In test stage; proposed method was applied to the pavement images database to evaluate the system performance. The correct classification rate (CCR) of proposed system is over 99%. This research demonstrated that the WR + DNN method can be used efficiently for fast automatic pavement distress detection and classification. The details of the image processing technique and the characteristic of system are also described in this paper.     

一种基于光线光学的杂光分析模型

光学系统的杂散光极易在系统内形成多个鬼像,这不仅严重影响光束质量和传输特性,并可能对系统光学元件造成永久性损伤。该文提出了一种基于光线追迹的分析光学系统杂光影响的有效方法,建立适合各类光学系统杂散光及鬼像分析的数理模型。编制了专门的杂散光分析软件,通过计算机光路模拟,对光学系统中的鬼光束进行全面、系统分析,可得出系统鬼像及关键元件处的能量密度,从而在光学系统设计阶段排除鬼像的潜在危害。     

多级卷积神经网络的沥青路面裂缝图像层次化筛选

如何快速准确地识别与评估沥青路面裂缝病害,已成为路面养护和保障道路安全的重要任务之 一。实际采集路面图像中往往存在大量的非裂缝图像,在保证裂缝图像无漏筛的前提下,尽可能提高裂缝图像 的精确率与非裂缝图像的真负例率,则对于降低人工筛选的工作强度,以及后续裂缝自动分割与病害损坏程度 评估具有重要实际意义。故此,提出了一种多级卷积神经网络的沥青路面裂缝图像筛选方法,由训练、微调与 验证三阶段构成,利用微调集获得 softmax 层输入微调增量。为避免裂缝图像召回率增加与精确率下降的问题, 在对比不同卷积神经网络筛除的非裂缝图像异同基础上,采用改进 AlexNet 作为一级筛选网络,VGG16 或 ResNet50 作为二、三级筛选网络的层次化处理模型。对于含噪声及复杂路面图像测试集的实验结果表明,三级 层次化筛选模型能在 100%召回裂缝图像时,达到高的真负例率及准确率。与其他方法的对比实验表明,所提 方法可有效解决沥青路面裂缝图像漏筛问题,且具有更好的检测效果。     

改进神经网络对机场刚性道面损伤参数的识别

机场道面使用性状对于飞机安全起降具有重要意义。由于路面有损伤,要求在实际工程中快速识别机场刚性道面性状,但传统解析法缺乏快速有效性。为了提高识别的快速性,提出采用主成分分析(PCA)的神经网络理论自动识别系统的检测方法,通过ANSYS仿真对损伤参数进行研究,确定神经网络输入参数,对采用人工神经网络进行道面性状检测的网络形式与训练函数的选择等问题进行讨论,并考虑实际检测过程中噪声的影响,最终建立PCA—BP神经网络。经过仿真验证,PCA—BP神经网络在一定噪声影响的情况下的检测结果可靠适用,可用于实际工程,证明提出的方法也为刚性道面理论研究提供了新的思路。     

基于遗传算法的原位根系CT图像的模糊阈值分割

原位根系CT图像的精确分割是实现植物根系3维重建和定量分析的重要基础。为了对原位根系CT序列图像进行准确、有效的分割,针对原位根系CT序列图像固有的模糊性特征,设计了一种基于遗传算法的模糊多阈值图像分割方法。该方法首先通过直方图分析确定了原位根系3维分割的初始阈值范围;然后通过设计一种模糊隶属度函数, 将图像模糊划分为若干个不同的区域; 最后采用最大模糊熵准则,并借助遗传算法寻找确定了一组序列图像的最佳分割阈值。编程实验结果证实,该算法不仅能更加准确、有效地对植物根系原位CT序列图像进行分割,并可提高图像阈值分割的精度和效率。     

基于三分量自主意识UAV路面遥感图像拼接算法

针对在检测过程中需要高分辨率的全景图像分析路面病害特征参数的问题,提出了一种具有三分量（3c）动态自主意识的遥感路面病害图像拼接算法。基于目标识别、主动立体视觉确定UAV系统在三维结构中的自主意识;采用增量搜索策略基于几何约束将SIFT点特征三角化;结合PNP—RANSAC算法找到最佳匹配面进行误匹配剔除;利用三角函数理论对图像进行融合。实现对长线程病害路面图像数据集的快速准确拼接。特征搜索时间平均为未使用增量搜索策略的43.45%,拼接准确率在88%以上。实验数据表明,基于三分量自主意识的UAV路面遥感图像拼接系统可以有效地应对长线程路面病害图像。     

Pothole detection in asphalt pavement images

Pavement condition assessment is essential when developing road network maintenance programs. In practice, the data collection process is to a large extent automated. However, pavement distress detection (cracks, potholes, etc.) is mostly performed manually, which is labor-intensive and time-consuming. Existing methods either rely on complete 3D surface reconstruction, which comes along with high equipment and computation costs, or make use of acceleration data, which can only provide preliminary and rough condition surveys. In this paper we present a method for automated pothole detection in asphalt pavement images. In the proposed method an image is first segmented into defect and non-defect regions using histogram shape-based thresholding. Based on the geometric properties of a defect region the potential pothole shape is approximated utilizing morphological thinning and elliptic regression. Subsequently, the texture inside a potential defect shape is extracted and compared with the texture of the surrounding non-defect pavement in order to determine if the region of interest represents an actual pothole. This methodology has been implemented in a MATLAB prototype, trained and tested on 120 pavement images. The results show that this method can detect potholes in asphalt pavement images with reasonable accuracy.     

半刚性基层沥青路面抗裂性能测试系统研发

为更加精确地评价半刚性基层沥青路面的抗裂性能,系统分析了沥青路面开裂机理,依此设计抗裂测试系统的功能设计,明确其具体构造要求,并对其框架及细部进行了详细设计,基于层底应力敏感性分析确定测试的控制模式及参数范围,依据仪器的工作原理、检验指标,进行了温控系统、横向拉伸系统、竖向剪切系统设计,提出了横纵向疲劳次数作为设计参数,并开发与仪器匹配的计算机辅助分析软件并进行测试;测试系统为半刚性沥青路面的抗裂性能的评价提供了技术支撑.     

基于文本的图像压缩在LED显示屏中的应用

LED显示屏主要用来显示文字信息,它的控制系统多为单片机控制,通信方式为rs232或者低速的以太网.考虑到单片机的处理能力和控制系统成本的原因,一般控制系统都没有设置字库,所以LED显示屏上显示的文字一般都用位图点阵信息表示.但基于文本的位图数据量很大,且控制系统的通讯传输速度低下,在发送大量显示画面时位图数据的压缩就非常重要.由于控制系统单片机的处理能力有限,JPEG、GIF等图像压缩算法难以实现.基于行程编码图像压缩算法计算量小、适合单片机处理,而且对于文字位图的压缩率较高.