基于图像处理技术的混凝土路面裂缝检测方法

为了提高公路混凝土路面病害的检测效率,采用图像处理技术实现了路面裂缝的自动识别和病害参数的自动提取。首先通过阈值分割法检测出路面裂缝,根据线性和网状裂缝图像背景连通域数量的差异,采用区域标记法计算背景连通域的数量实现了裂缝分类;其次根据线性裂缝几何形态的差异性,通过投影法实现了横、纵和斜向裂缝的细分;最后对线性裂缝提取裂缝骨架并细化求出其长度、平均宽度等病害参数;对于网状裂缝通过求其最小外接矩形计算其破损面积。     

基于OpenCV和改进Canny算子的路面裂缝检测

在路面裂缝检测中,检测的实时性和准确性同样重要,利用CCD摄像机采集到的视频图像,提出一种基于OpenCV开源平台及改进Canny算子的路面裂缝检测技术。通过对Canny算子的分析与研究,找到其存在的缺陷,利用形态学滤波对原有的滤波方式进行改进,使用Ostu算法实现双阈值的自适应获取。实验结果表明,改进后的Canny算子对路面裂缝检测时,保证了检测的实时性,且提高了检测的精度。     

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。     

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。     

一种基于集成学习的路面裂缝检测仿真算法

针对当前智能学习算法对道面裂缝识别准确率不高的状况,提出了一种采用集成学习识别道面裂缝的算法.对图像进行栅格化和二值化处理,发现像素均值和像素标准差能够较好地反映裂缝信息,因此提取了像素分布密度、均值和标准差的水平投影和垂直投影作为特征量;引入stacking集成学习算法对裂缝进行检测,以基本分类器的输出作为元数据集,...     

基于可见光视觉图像的路面裂缝识别深度学习方法述评

基于可见光视觉图像的表面裂缝识别为非接触式,不受被测对象材质限制,可在线自动检测,具有速度快、成本低和精度高等优势。首先较为全面地搜集了典型的路面裂缝公开数据集,整理归纳了样本特征及其随机可变影响因素,并比较了传统手工设计特征工程、机器学习和深度学习3种主要裂缝识别方法的优缺点。然后,从网络架构、性能和效果方面着重评述了自搭架构、迁移学习和编码-解码器等易于训练和部署的深度学习算法新进展,通过算法优化和算力提升可显著提高识别的效果和性能,测试结果表明能够在低算力平台上实现裂缝补丁级快速检测和像素级实时检测。     

基于R-L分数阶微分梯度算子的边沿检测

在处理数字图像中处理中,为了提取更加细微的边缘信息,克服经典梯度算法的不足,根据R-L分数阶微积分的定义和边缘检测的基本原理,推导出一维离散分数阶微分梯度算子,并且推广到二维,提出了一种基于R-L分数阶微分的新算子模板,并在实验中得以实现.实验结果表明,这种算子更能提取细节信息,使得边缘更加突出,与经典1阶和2阶的边缘检测算子相比,在处理以低频信号为主的图像时有一定的效果提升,而在处理以高频信号为主的图像时有较大的效果提升.     

路面裂缝的自动检测与识别

传统的基于人工视觉检测裂缝的方法愈来愈不能适应高速公路发展的要求：其耗人力、 耗时、 不精确、影响交通、危险、 花费高的缺点要求路面状况调查的自动完成。该文介绍了一种基于图像处理的路面裂缝自动检测方法。其首先使用一种快速的针对灰度不均图像校正方法，对降质的路面图像进行增强，再进行阈值分割，提取出图像上的线性特征，最后再根据线性特征从原灰度图像上识别出裂缝目标。实验结果表明了该方法的有效性。     

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。     

基于1~2阶分数阶微分的图像增强算法

在利用分数阶微分进行图像增强时,现有方法大多是基于0~1阶分数阶微分,而基于1~2阶分数阶微分的方法较少。为此,分析1~2阶分数阶微分对图像增强的作用,基于1~2阶分数阶微分构造一种用于图像增强的掩模算子。实验结果表明,该算子优于常用的频域法和空域法,比现有的一些0~1阶分数阶微分算子具有更好的图像增强效果。     

整数阶滤波的分数阶Sobel算子的边缘检测算法

针对传统的整数阶微分图像边缘检测算子存在的边缘模糊不清、受噪声影响大等问题,该算法从改进传统的整数阶微分Sobel算子入手,以分数阶微分理论为基础推导出了分数阶微分Sobel算子,结合Sobel算子边缘检测方法,将整数阶微分Sobel算子作为滤波器与分数阶微分Sobel算子作卷积运算,改进了整数阶微分Sobel算子。整数阶微分滤波后的分数阶微分Sobel算子成功地解决了传统的边缘检测算子存在的准确性低、抗噪性差等问题。理论研究与实验结果表明,该边缘检测算子对图像的边缘细节特征刻画得更精细,抗噪性更强,优于常用的整数阶微分边缘检测算子,边缘检测效果很好。     

基于VC＋＋路面裂缝图像处理系统研究

传统的基于人工视觉检测裂缝的方法愈来愈不能适应高速公路发展的要求.为了满足这种需求,给出了一种基于图像处理的路面裂缝自动检测方法,使用一种快速的针对灰度不均图像校正方法,对降质路面图像进行增强,然后进行阈值分割,提取出图像上的线性特征,最后再根据线性特征从原来灰度图像上识别出裂缝目标.整个软件系统采用面向对象的编程技术,设计界面友好,且易于操作.将计算机图像处理结果与实际公路现场检测结果进行了对比分析,表明了该方法的可行性、准确性、有效性,并且有比较满意的检测效果.     

基于卷积神经网络的路面裂缝检测

对路面图像块预标记,根据预标记结果对路面图像进行强度归一化预处理,在保留裂缝信息的同时,减少背景光照不均的影响.将预处理后的路面图像输入卷积神经网络(CNN)模型实现路面图像裂缝的检测.由于路面裂缝分布复杂,在训练网络时,使用不同尺度和不同角度的路面图像进行模型训练,使得网络能够检测不同裂缝形状.实验结果显示:裂缝检测结果较好.     

利用1~2阶分数阶微分掩模的边缘检测

现有的分数阶微分边缘检测算子大都是基于0~1阶分数阶微分而构造,鲜有文献讨论基于1~2阶分数阶微分的边缘检测算子。为此,分析了1~2阶分数阶微分对信号的作用,基于1~2阶分数阶微分构造了一种新的边缘检测掩模算子。实验结果表明,该算子不仅优于常用整数阶微分算子,而且比现有的一些0~1阶分数阶微分算子具有更好的边缘检测效果。     

图像边缘检测的分数阶微分算子研究

针对常用整数阶微分边缘检测算子不能较好保持图像纹理细节的不足,在4-方向的Roberts算子、Prewitt算子和Sobel算子的基础上利用0~1阶分数阶微分替换一阶微分,构造了3种用于图像边缘检测的0~1阶分数阶微分新算子。实验结果表明,所构造的3种分数阶微分算子不仅能有效地提取出图像的边缘信息,而且还能较大程度地保留图像的纹理细节。检测效果优于常用整数阶微分算子及现有的一些0~1阶分数阶微分算子。     

高等级公路路面裂缝类病害轮廓提取的算法研究

介绍了高等级公路路面的裂缝类病害的轮廓利用数字图像技术进行提取的方法。利用高速的黑白CCD摄像机配合光源,实时摄取公路路面的图像,并对图像进行噪声滤除、边缘检测和图像分割等操作,最后可以清晰地提取出路面裂缝的轮廓,为后期计算裂缝开裂长度、宽度和损坏密度等参数的计算提供依据。     

基于注意力机制的深度学习路面裂缝检测

为实现自动准确地检测路面裂缝,提升路面裂缝检测效果,提出了一种基于注意力机制的裂缝检测网络(attention-basedcracknetworks,ACNet).该网络采用编码器-解码器网络构架,编码器采用ResNet34为骨干网,提取路面裂缝特征;在编码器和解码器间加入基于注意力机制的特征模块(attention-basedfeaturemodule,AFM),以利用全局信息和增加对检测不同尺度裂缝的鲁棒性,更好地提取裂缝特征和定位裂缝位置;在解码阶段也引入注意力机制,设计了基于注意力机制的解码模块(attention-baseddecodermodule,ADM),实现对裂缝的准确定位.在公共裂缝数据集CFD和CRACK500上,与U-Net等其他8种方法进行了比较,结果表明, ACNet裂缝检测效果更理想,在主观视觉上,裂缝定位更准确,细节更丰富;在实验指标F1和重合率上,检测结果都有明显提升,说明了该网络的有效性.     

基于灰度极小值的路面裂缝检测算法

为提高路面裂缝检测的识别准确率、提高检测效率和降低检测成本,提出一种基于灰度极小值的路面裂缝检测算法。算法在不对路面灰度图像做任何预处理和标注训练的前提下,依据路面裂缝灰度极小值直方图提取不同对比度的裂缝特征;根据不同对比度裂缝的灰度空间分布特点,设计不同对比度裂缝多方向激活重构算法;依据裂缝的线性特点设计伪裂缝去除算法,在保留裂缝细节信息的前提下去除伪裂缝。在公共数据集上进行测试,结果表明算法能够检测不同类型的路面裂缝,具有一定的实际应用价值。     

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.