三维纹理图像特征准确识别技术仿真研究

研究场景构建中纹理图像的三维特征识别,提高识别准确率。由于图像的效果取决于纹理识别,在三维空间中分析纹理图像时,仅使用聚类算法利用三维图像的空间坐标和三维像素灰度特征对其进行分类识别,忽略了不同方向光照对纹理图像的影响而简单聚类分类,导致因提取的特征信息不足而造成识别准确率不高的问题。因此,提出了一种机器学习的三维特征识别方法。通过变换光照的角度得到不同光照下的纹理图像,提取出多面光照下的三维图像特征信息,并利用机器学习算法对特征信息进行准确训练和分类识别,可避免聚类算法利用信息不足的特征进行分类而造成的识别准确率不高的问题。实验表明,这种方法能够有效提取出特征信息并进行准确分类,具有较高的识别准确率,取得了满意的结果。     

基于DSP的沥青路面裂缝图像处理算法的实现

沥青路面裂缝是高速公路路面的主要患害之一。提出一种沥青路面裂缝图像处理算法，即采用改进的经典算法和形态学算法对沥青路面裂缝图像进行去噪平滑、边缘检测、图像分割、效果增强及边缘连接等处理。该算法通过DSP软件的检验，处理的效果相对于其它经典算法，有了显著的提高。对用谊算法处理后的沥青路面裂缝图像进行检测，检测的精度和检测效果都比较满意。     

基于样本块与曲率特征的图像修复改进算法*

针对目前基于样本块的图像修复算法在图像修复过程中容易产生错误的匹配纹理块,难以保持纹理结构连贯性的问题,提出了结合等照度线的曲率特征和高斯函数的图像修复改进算法,首先在数据项中引入了反映纹理结构特征的曲率因子来计算优先权;其次运用高斯函数更新置信项,避免了因置信项快速下降而导致的误匹配问题。通过计算修复结果的PSNR值与其他算法进行对比,实验结果表明,该算法对丰富纹理信息的图像有更好的修复效果。     

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.     

高效的光照、旋转、尺度不变纹理分类算法EI北大核心CSCD

纹理图像中存在的光照、旋转、尺度变化使纹理分类成为一个极具挑战性的问题.针对传统的纹理分类算法在同时解决光照、旋转、尺度变化问题和实时性方面存在的不足,提出一种高效的光照、旋转、尺度不变纹理分类算法.首先利用原始图像及其2次高斯滤波图像构造尺度空间,采用带邻域主导方向的完备局部二值模式算法在不同尺度上提取光照、旋转不变的纹理特征;然后利用跨尺度取模式最大值的方法获得尺度不变的纹理特征;最后利用最近子空间分类器进行分类.在5个有代表性的纹理库上进行实验的结果表明,该算法不需要预先学习,能较好地解决纹理分类中的光照、旋转、尺度变化问题,并具有较高的实时性.     

沥青路面裂缝图像检测算法研究

针对沥青路面裂缝图像边缘提取不精确的问题,基于形态学多尺度的思想,结合沥青路面裂缝图像中裂缝形状不规则,裂缝信息比较弱小的特点,提出了一种沥青路面裂缝图像检测算法。算法构造了多结构元素的抗噪型边缘检测算子,且依据不同形状的结构元素对裂缝边缘填充的几率不同,设定了一种自适应确定权重的算法,使得此算子在平滑滤波的同时又检测到各种类型的边缘。与传统裂缝图像检测算法相比,该算法有效抑制了各种噪声的影响,实现了多种类型边缘的精确提取;理论分析和实验结果表明该算法是可行且有效的。     

高效的光照、旋转、尺度不变纹理分类算法

纹理图像中存在的光照、旋转、尺度变化使纹理分类成为一个极具挑战性的问题.针对传统的纹理分类算法在同时解决光照、旋转、尺度变化问题和实时性方面存在的不足,提出一种高效的光照、旋转、尺度不变纹理分类算法.首先利用原始图像及其2次高斯滤波图像构造尺度空间,采用带邻域主导方向的完备局部二值模式算法在不同尺度上提取光照、旋转不变的纹理特征;然后利用跨尺度取模式最大值的方法获得尺度不变的纹理特征;最后利用最近子空间分类器进行分类.在5个有代表性的纹理库上进行实验的结果表明,该算法不需要预先学习,能较好地解决纹理分类中的光照、旋转、尺度变化问题,并具有较高的实时性.     

FCM分割和形态学的沥青路面图像裂缝提取

利用裂缝相对于路面的亮度、几何纹理等特征差异,提出了一种基于FCM图像分割和形态学的沥青路面图像裂缝提取方法。拍摄的路面图像经过去噪、亮度非均匀校正和对比度增强等一系列预处理,提高图像中裂缝与路面背景的差异。采用FCM方法分割图像,初步提取裂缝。利用膨胀、腐蚀和细化等形态学操作,对裂缝连通区域面积进行阈值判决实现裂缝的精细提取。实验结果表明,该综合方法获得了较好的检测结果,能有效地提取弱对比度的裂缝和细小裂缝。     

邻域与梯度显著特征融合的沥青路面裂缝检测方法

针对沥青路面裂缝检测中富纹理噪声影响和细小裂缝误识别严重等问题,提出一种邻域与梯度显著特征融合的沥青路面裂缝检测方法.首先采用灰度校正和形态学重建降低外界干扰和富纹理中较亮点状噪声导致亮度不均的影响,根据像素及其邻域的显著差异提取邻域显著特征,通过方向可调滤波器得到不同方向上的梯度显著特征,将两者卷积融合并优选方向生成...     

沥青路面裂缝检测图像处理算法研究

针对经典图像处理算法对沥青路面裂缝的检测效果不佳,以及神经网络等智能算法不易实现的弊端,通过分析沥青路面的裂缝特性,提出了一种适用于沥青路面裂缝检测的图像处理新算法。该算法通过构造8个方向模板的Sobel算子对沥青路面裂缝进行检测,并结合迭代阈值分割算法和全方位膨胀形态学方法对边缘检测后的图像进行处理,能够很好地获得沥青路面的裂缝特性。最后,在VisualC 6.0编程环境下进行了算法实现。结果表明,裂缝边缘的连接和检测效果较好,为沥青路面裂缝的分析和管理提供了技术基础。     

形态学与区域延伸相结合的图像裂缝检测算法研究

在复杂背景下,由于光照不均、混凝土气泡、阴影等噪声干扰,导致路面裂缝误检并存在不同程度的断裂。为了解决此问题并实现路面裂缝的精确检测,提出一种结合数学形态学和区域延伸的裂缝检测算法。该算法首先用形态学对自然条件下采集的路面图像进行预处理,并结合Canny边缘检测和形态学来对裂缝进行粗略检测,然后用区域延伸算法对裂缝进行精确检测,最后对检测裂缝进行后处理。实验结果表明,提出的算法能够对图像裂缝进行高效、精确的检测。     

针对单张沥青路面图像中裂缝的高效语义级修复

原始无损路面图像对分析路面损伤演化细节及制定下一步养护方案具有重要意义,而实地采集中无法获取路面裂缝图像对应的初始状态.为了获取其对应的无损路面图像,本文提出了一种基于深度图像先验的无监督沥青路面裂缝图像修复算法,可实现对单张路面图像中裂缝的高效语义级修复.首先采用鲁棒主成分分析算法去除路面裂缝图像表面的竖状条纹噪声.随后,采用最大类间方差法及形态学处理得到裂缝区域的二进制掩码图像.最后,运用提出的深度图像先验修复算法对裂缝区域进行修复得到最终的无损路面图像.在自采集路面裂缝图像数据集上对所提方法进行了评估.实验结果表明,所提方法能够有效实现路面裂缝图像语义级修复,峰值信噪比和结构相似性较传统的方法有了明显提升,平均达到了43.382 3 dB和0.983 4,且兼具高速度.     

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。     

一种基于改进渗流模型的混凝土表面裂缝快速检测算法

由于混凝土表面不平整、光照不均、裂缝背景较为复杂等因素的干扰,传统的基于图像处理的裂缝检测方法对裂缝检测的效果不佳,尤其是不清晰和比较细小的裂缝。基于渗流模型的裂缝检测方法充分考虑了裂缝亮度低、形状较为细长的特点,对裂缝的检测效果很好,尤其是图像中的细小裂缝,但是该方法需要大量的处理时间。为了解决上述问题,提出了一种加速渗流处理的算法,该算法通过暗点预提取来减少渗流时需要处理的像素点个数,以此来减少渗流处理时间。实验结果表明,所提算法能明显加快渗流处理的速度,并且精确率基本保持不变。     

基于曲率滤波和N-P准则的路面裂缝识别方法

针对沥青路面裂缝不连续问题,提出一种基于曲率滤波和N-P准则的裂缝识别方法。通过组合最小矩形切平面和最小三角切平面及修正正则能量项的改进型曲率滤波算法,消除随机噪声并平滑纹理。采取二次分割策略提取疑似裂缝目标和运用裂缝几何特性去除块状或点状噪声,实现裂缝定位和获取裂缝片段。在此基础上,融合裂缝片段的位置和方向信息,提出利用N-P准则连接裂缝片段的端点,从而获得完整裂缝数据。研究结果表明,提出的方法对横裂、纵裂、块裂及龟裂等裂缝都具有较好的检测效果和较高的检测精度,裂缝检测的完整性达到90.5%以上。     

基于劳伦茨信息值的水下大坝裂缝提取算法

针对水下图像光照不均衡、对比度低、模糊不清以及噪声严重的问题,提出一种新的基于劳伦茨信息值的水下大坝裂缝检测算法。首先根据劳伦茨信息值去除不含有裂缝信息的图像块,接着提取连通域的圆形度、面积特征,采用k均值聚类算法,提取最终的裂缝区域。实验结果证明,本文算法能够在复杂的水下环境中准确、高效地提取大坝表面裂缝。