基于多特征分析的地铁隧道裂缝检测（英文）

在地铁隧道裂缝检测过程中,由于隧道环境复杂及光照条件有限,隧道裂缝检测比较困难。为此,提出了一种基于多特征分析的隧道裂缝检测方法。首先,利用Retinex匀光与分段线性拉伸相结合的预处理算法对图像进行增强处理,通过分块处理的Otsu阈值分割算法实现图像的初步分割。其次,对图像连通域面积和矩形度进行分析,利用概率Hough变换提取图像中的线型结构特征,利用连通域图像骨架特征提取算法滤除伪裂缝干扰,最终实现真实裂缝检测。实验结果表明,本方法对传统裂缝图像检测率可达92%,对隧道裂缝图像检测率可达86%。实验结果证明了该方法的有效性。     

基于自适应结构元素的改进分水岭图像分割方法

图像分割是按照一定的规则,将图像中具有特殊意义的区域划分为若干个互不相交的子区域,是从图像处理到图像分析的关键环节,传统分水岭图像分割方法是一种应用较为广泛的技术,具有快速、简单的优点,但该方法易受噪声干扰,分割结果易丢失边缘重要信息,出现过分割现象。为改善传统分水岭图像分割方法存在的过分割问题,提出了一种基于自适应结构元素的改进分水岭图像分割方法。首先,利用图像像素点邻域的局部密度、对称度及边缘特征构造形状可变的自适应结构元素,确保其与图像目标几何结构具有较强的一致性;其次,利用该结构元素获取图像形态学梯度,提高目标边缘的定位精度;将L₀范数梯度最小化和形态学开闭混合重建相结合修正梯度图像,减少梯度图像中的局部无效最小值点,抑制过分割现象的产生;最后对修正后的梯度图像进行分水岭分割,实现图像目标区域的精确分割。实验结果表明,该方法能够有效抑制过分割现象,提高目标边缘定位的准确性,具有较高的分割精度。