基于Prim最小生成树的路面裂缝连接算法

在利用数字图像技术检测路面裂缝时,由于部分裂缝过窄或被阴影遮挡或被灰尘填充,导致检测出的裂缝目标不连续,严重影响后续的裂缝参数测量和评价.为此,提出一种基于Prim最小生成树的路面裂缝连接算法.利用屋脊边缘检测方法识别所有的可疑裂缝目标,运用裂缝形状特征去除斑点或块状噪声,实现裂缝的粗定位.在此基础上,通过形态学方法提取粗定位裂缝片段的端点,利用Prim算法构造最小生成树实现路面裂缝片段端点的连接,同时使用裂缝的方向和对比度特征去除连接中的强制伪连接;在连接的基础上对裂缝进行填充和增强,得到完整的裂缝分割目标.对200幅路面图像进行算法测试,应用Hausdorff距离对多种算法的分割性能进行评估,实验结果表明,该算法能明显提高裂缝检测目标的连续性,其检测准确率比灰度直方图等算法高出6个～13个百分点.     

融入视觉注意机制的路面裂缝检测与识别

针对实际路面裂缝检测中存在复杂噪声干扰的问题,根据裂缝和背景像素的视觉差异,设计一种融入视觉注意机制的路面裂缝自动检测与识别算法。通过灰度校正和各向异性扩散滤波的预处理方法滤除部分噪声,利用全局和局部灰度对比度信息计算裂缝显著值,融合生成综合显著图粗定位裂缝区域。在此基础上,依据裂缝区域的形状特征使用形状分析法进行去噪和目标提取,实现裂缝的精确定位。实验结果表明,该算法能快速有效地检测出裂缝区域,与基于阈值分割、边缘检测或小波变换的裂缝检测算法相比,具有较高的检测精度。     

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.     

一种桥梁路面裂缝的检测方法

为了增强桥梁路面裂缝提取的效果,在分析桥梁路面多种常见噪声的基础上,结合桥梁路面图像中不同噪声本征信息,提出了一种新的基于桥梁路面裂缝的分步式裂缝检测模型。整个分步式裂缝检测模型包括转灰度图、对灰度图裂缝的初步提取、图像中块噪声的滤除、图像中伪裂缝的去除。同时,对光照不均时细小裂缝的提取,提出了自适应阈值选择模型。通过实例表明,该检测模型可靠、稳定,能够处理大量含有综合噪声的复杂桥梁路面裂缝图像。     

改进的灰度校正算法在路面裂缝图像预处理中应用

针对传统的灰度校正算法在对亮度不均匀的路面裂缝图像处理时容易造成边缘模糊,局部对比度得不到增强的问题,本文在传统的快速灰度校正算法基础上,提出了一种改变初始背景图像选取方式以及采取局部对比度增强图像和整体灰度校正图像相互融合的改进型灰度校正算法.实验结果表明,与传统方法相比,改进后的算法对路面裂缝类图像的预处理效果明显增强.     

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.     

一种改进的基于模糊推理的边缘检测算法

针对基于模糊推理的边缘检测算法中存在的边缘模糊、未去除伪边缘、算法优化效果不佳的问题,提出一种改进的模糊边缘检测算法。给出一种模糊化规则,即利用方向灰度对比度确定边缘隶属度值,增加去除伪边缘的规则,使得边缘细化。实验表明,该算法效果优于模糊竞争算法、Pal King算法和其他一些改进的模糊边缘检测算法。     

基于多尺度曲波变换的路面裂缝融合算法

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。     

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。     

路面病害修补图像的车载自动检测方法

提出了一种不同状况下路面修补图像车载自动检测算法,首先分析道路病害修补图像特征,对道路病害图像运用统一复原方法进行图片去模糊处理,采用窗对比度算法提取修补图像信息,再结合原图信息二次运用窗口对比度算法去除伪修补信息,准确、迅速地提取图像路面修补目标信息。对大量的图片进行测试,实验结果表明论文提出的算法具有可靠性和可应用性。     

基于相关特征约束的分水岭路面裂缝图像分割算法

针对路面裂缝图像的分割问题,提出一种相关特征约束的分水岭分割算法。该算法基于形态学分水岭思想,为了解决分水岭过分割问题,分析了裂缝图像狭长山谷的特点,选择从梯度图像的高频成分中提取与裂缝特征信息相关的局部极小值,从而约束伪极小值的出现,再对原始梯度图像强制标记,消除了过分割现象。同时解决了在消除过分割时边缘信息被滤除的问题,保留了细微有用的边缘。实验表明,该算法分割出的路面裂缝图像准确清晰,有效降低了过分割现象。     

融合多特征与格式塔理论的路面裂缝检测

路面裂缝常常混杂着随机的路面颗粒纹理和自然环境下的多种干扰,基于单一特征的检测方法无法较为准确地提取裂缝,为此提出一种多特征融合与格式塔理论相结合的路面裂缝检测算法.将多尺度局部区域中裂缝的灰度差异、出现概率以及边缘特性作为低层显著特征,根据裂缝纹理的不均匀性,结合裂缝不规则曲线结构的空间延续性,提出一种新的纹理各向异性度量方式(LFIA),以高效削弱噪声点与伪裂缝的干扰;然后引入格式塔理论中的相似性、接近性和完整性原则,采用迭代剪裁预分割LFIA图,基于区域内部以及区域间连接度的裂缝空间一致性增强策略,突出裂缝.在收集的各类裂缝图像数据库上的实验结果表明,该算法抗噪性能好、鲁棒性强;裂缝提取的准确性、完整性要优于已有的算法.     

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。     

基于图像增强与分水岭分割的隧道低对比度裂缝提取方法

在实际的隧道裂缝检测中,存在细小、对比度低且有污渍点干扰的隧道裂缝,利用常规方法很容易漏检裂缝。为了解决此问题,提出一种基于图像增强与分水岭分割的裂缝提取算法,该算法有效利用背景信息补偿了污渍点,均衡了图像背景对比度。结合高低帽变换方法对图像进行增强,然后根据分水岭算法获取分水岭分割线;比较分割线所在位置的灰度值与其周边灰度值,并通过灰度值差异判断裂缝边缘,从而提取裂缝。实验结果表明,所提算法能够准确、有效地检测出完整的隧道裂缝,且对噪声具有鲁棒性。     

基于最小二乘法灰度校正的路面裂缝检测算法

路面裂缝图像存在多种复杂噪声,一般的滤波、去噪、边缘检测算法无法很好的将裂缝与路面背景分离。该文采用最小二乘法对图像进行灰度校正,可以将图像路面背景的直流分量去除,然后利用高斯函数匹配裂缝信号脊边缘使其突显,并使用阈值法将裂缝与背景分离,最后利用连通域标记的方法去除更多噪点达到裂缝位置的定位。     

基于模糊推理的边缘检测新算法

研究了原有的基于模糊推理的边缘检测算法。在分析原有算法存在问题的基础上,提出了一种新的模糊化规则,利用方向灰度对比度去确定边缘隶属度值,增加了去除伪边缘的规则,使得边缘细化。对原有算法和新算法进行了品质因素和平均运行时间的算法性能的对比、分析。     

基于空间聚集特征的沥青路面裂缝检测方法

沥青路面裂缝自动检测是制约公路养护科学决策的最主要瓶颈.针对现有裂缝检测算法在大规模应用特别是广地域、多路况等复杂环境下算法稳定性、可靠性及实时性等方面存在严重不足问题.本文在观察大量实际工程路面图像基础上, 对路面裂缝特征进行全新定义, 提出了一种基于空间聚集特征的沥青路面裂缝检测方法, 参考裂缝的空间分布、灰度、几何等特征, 以子块图像为处理单元, 采用逐步求精的策略对子块图像进行分割, 快速定位空间聚集区域, 再对聚集区域进行评估得到信度高的裂缝候选区域; 最后以裂缝候选区域为种子区域, 在准确估算裂缝发展趋势的基础上, 结合裂缝片段聚集及相似性等特性, 去除噪声同时合并连接断裂的裂缝, 实现了裂缝区域较为完整的检测.通过测试多路况、多采集环境下近万样本, 并采用不同的方法对测试结果进行评估, 结果显示, 算法对不同类型路面图像中具有不同特征的裂缝区域均具有良好的检测性能, 裂缝定位准确性达到95%以上, 裂缝区域检测的完整性达到90%以上.     

基于灰度相关性的裂缝检测算法

从裂缝的灰度特征入手, 提出一种基于灰度值相似度的裂缝提取方法。针对混凝土路面孔洞、污损等因素干扰, 主要分三步实现裂缝提取：a)对所采集的路面图像进行特征分析, 建立灰度值相似度函数, 根据相似度对比提取疑似裂缝信息; b)利用连通域度量去除虚假裂缝, 将问题转换为图论问题; c）利用谱聚类算法提取真实裂缝。通过大量混凝土路面图片测试表明, 该方法能实现路面真实裂缝特征提取, 具有较强实用性。     

基于加权融合纹理的路面裂缝检测

基于规则纹理的路面裂缝检测算法由于其自身存在的弱规则性、抗噪性差和稳定性差等问题,不能有效地检测出路面裂缝。为了解决此类问题,提出了一种基于加权融合纹理的路面裂缝检测算法。该方法采用单向多级中值滤波器滤除噪声,同时有效地保留裂缝边缘细节信息;然后融合局部二元模式特征、相对标准差和对比度三种纹理特征提取路面裂缝。实验结果表明,该算法抗噪性好,能快速有效地检测出路面裂缝。     

基于稀疏表示和多特征融合的路面裂缝检测

为了提高在实际复杂背景噪声下对路面裂缝检测的精度,提出了一种基于稀疏表示和多特征融合的路面裂缝检测改进算法。该算法首先以图像子块为单位,提取对裂缝识别有效的统计、纹理和形状特征。然后,分别在各个特征矩阵下利用稀疏表示分类方法实现对裂缝子块的识别,再融合不同特征下的识别结果,设计综合识别分类器进行子块检测。最后,在识别出的裂缝子块上,采用基于视觉显著性的像素级检测方法精确提取裂缝细节。在实际高速公路路面数据库上的实验结果表明,该算法有效地提升了路面裂缝检测的精度,具有良好的鲁棒性。