遗传算法在图像分割中的应用

图像分割是图像分析的预处理阶段,被认为是计算机视觉中的一个瓶颈.基于扩展的Otsu最优阈值图像分割方法,提出用一种改进遗传算法进行图像分割的方法,并给出了遗传算法中参数的设定.仿真结果表明,改进算法的计算速度不仅明显优于传统的Otsu方法,而且算法的分割效果也很好.     

基于各向异性测度的路面三维图像裂缝识别

为准确而完整地识别路面裂缝,提出了基于1 mm/像素的路面三维图像裂缝自动识别算法．该算法主要包括各向异性测度计算与自适应优化阈值分割、深度验证和多分辨率去噪处理3个部分．首先,针对路面图像像素特征,基于0°、45°、90°和135°四个方向的线性邻域的均值和标准差计算每个像素的各向异性测度（表征方向性的强弱）,并应用最大类间方差法确定最优阈值,将路面图像分为强方向性和弱方向性像素两类;其次,根据半径为d的正方形邻域深度均值设定阈值,用方向性强且深度低于或等于该阈值的像素形成初步的裂缝图像;最后,将裂缝图像划分为多个子块,设计去噪模板对裂缝图像进行滑动窗口去噪处理,获得最终裂缝图像．基于166幅含有各类裂缝的三维路面图像（2048×2048像素）进行测试分析,结果显示,本文算法获得了较高的准确率（均值91．57％）和召回率（均值81．29％）,最终以84．26％的F1均值优于种子识别算法（F1均值69．19％）、Canny边缘检测（F1均值8．15％）和OTSU分割（F1均值5．11％）．     

基于类间和类内方差的快速二维阈值分割法

为了提高二维阈值分割法的处理速度,提出二维类间方差最大法的快速实现方法.首先,将二维最佳阈值（s*,t*）的求解拆分成两个一维最佳阈值s*和t*的求解,并引入类内距离的定义,提出新的最佳阈值判别式.其次,将原二维直方图分成M×M个区域,合并每个区域为一点,并构建新的二维直方图,在其上应用本文改进的阈值判别式D（s*,t*）求解,得到分割阈值所在的区域编号.最后,在该区域内再次使用D（s*,t*）求解得到原始图像的最佳分割阈值.理论分析及针对不同信噪比的多幅图像的实验结果表明,本文方法的分割错误率低于原始二维Otsu法,且将原算法的时间复杂度由O（L4）降为O（L1/2）,空间复杂度由S（L2）降为S（2L）.      

基于图像处理的路面裂缝识别研究

传统的人工视觉检测裂缝方法具有耗力、耗时、不精确、影响交通、危险、花费高等缺点。这里介绍一种基于图像处理的路面裂缝类病害自动识别方法。首先使用一种掩膜平滑法,对有大量噪音的路面图像进行增强,再采用最大类间、类内距离准则对图像进行阈值分割,提取图像上的裂缝特征,实验结果表明了该方法的有效性。     

基于头脑风暴优化的PCNN路面裂缝分割算法

为提升裂缝检测的分割精度和鲁棒性,基于头脑风暴优化（brainstorming optimization,BSO）和脉冲耦合神经网络（pulse coupled neural network,PCNN）,提出了一种路面裂缝图像分割算法（BSO-PCNN）. 该算法采用最大熵准则作为BSO算法的适应度函数,并依据适应度值决定参与次轮迭代的个体;BSO具有强收敛性,可快速确定最优个体解;结合图像特征,获得PCNN模型的最优参数,将其代入PCNN模型实现对裂缝图像的分割. 试验结果表明:算法可在20次迭代内取得不同类型路面裂缝图像的最大适应值,从而确定最佳分割参数;与Sobel边缘检测算法、PCNN图像分割算法、基于最大熵的遗传算法（genetic algorithm based on the maximun entropy of the histogram,GA-KSW）、基于遗传算法参数优化的PCNN分割算法（genetic algorithm based on the pulse coupled neural network,GA-PCNN）相比,BSO-PCNN算法取得了0.9924的区域一致性与0.0900的区域对比度.      

基于图像处理的路面裂缝识别研究

传统的人工视觉检测裂缝方法具有耗力、耗时、不精确、影响交通、危险、花费高等缺点。这里介绍一种基于图像处理的路面裂缝类病害自动识别方法。首先使用一种掩膜平滑法,对有大量噪音的路面图像进行增强,再采用最大类间、类内距离准则对图像进行阈值分割,提取图像上的裂缝特征,实验结果表明了该方法的有效性。     

基于小波的路面裂缝识别研究

应用基于小波变换的图像分解和重构方案可以进行公路路面裂缝的检测与识别。首先对路面图像进行多分辨二维离散小波分解,根据在每个尺度2j上小波系数模最大值和相位(梯度方向)这两个分量的大小确定边缘的位置,进一步变换小波分解系数,达到去除噪音,加强裂缝边缘的效果。并通过实验分析和讨论了不同的小波基、不同分辨率水平、重构中使用的分解子图像对路面图像裂缝分割的影响,最后用简单的阈值技术生成二值图像,把裂缝从背景图像中分离出来。     

路面破损图像自动处理技术研究进展

总结了路面破损图像自动处理技术的重要研究成果, 分析了该领域关键技术的研究进展, 包括路面破损检测系统、图像处理算法和识别算法评估; 比较了不同路面破损检测系统与目标自动识别算法的检测精度和适用性, 给出了路面破损图像自动处理技术未来可能的主要研究方向。研究结果表明: 在路面破损检测系统方面, 从早期基于摄影技术的图像采集到目前的3D激光扫描技术, 路面图像采集技术更加便捷和高效, 但破损图像自动分析和目标自动识别算法仍然存在挑战; 在路面破损图像处理算法方面, 传统的路面裂缝目标分割算法已由过去的基于单一特征(灰度、边缘形状等) 的检测方法演化到多特征融合检测方法和图优化检测方法, 还出现了一些精细化的裂缝目标连接与恢复算法, 大幅提高了裂缝检测精度, 但需要的计算资源和人工先验知识库也随之不断增大; 在路面裂缝处理算法评估和比较方面, 主要利用人工分割来评价自动识别结果, 目前迫切需要建立一个面向全球开放的大型路面破损图像数据库, 以客观、有效地评估现有各种路面破损图像处理算法; 基于2D图像特征分析的路面破损图像自动识别算法很难在识别精确性、算法通用性和实时性方面同时取得最佳效果; 近年来, 大量学者开始尝试借助深度学习神经网络自动识别路面破损, 但该技术仍处于活跃的演进过程中; 在提高路面破损自动识别精度和效率方面, 3D激光扫描技术和基于人工智能的深度学习技术的发展将对未来路面破损图像自动识别技术的最终突破产生重大推进作用。      

基于改进的均值漂移的森林火灾图像提取技术

为了解决呈红色山地路面等对火灾图像提取的干扰问题,考虑林区图像的R通道直方图的分布曲线,采用一种基于均值漂移改进算法,自适应地得到背景与火灾,山地路面的分割闽值T1.通过阈值分割将火灾和山地路面从背景图像中分割出来,再利用改进算法对R通道占比率直方图进行处理,自适应地得到火灾与山地路面的分割阈值T2,从而实现火灾的自适...     

基于自动阈值检测和边缘连接的路面裂缝边缘提取方法

随着不同等级公路的快速发展,对道路裂纹或裂缝的检测技术也提出了更高的要求。道路裂纹或裂缝检测技术主要依赖于图像处理、模式识别等数字图像处理技术,针对道路裂纹或裂缝检测的关键技术,提出了一种基于改进的边缘提取算法的路面裂缝检测方法。该方法有效降低了传统图像边缘提取算法对噪声、异常的敏感度,提高了对不同图像阈值的自适应性,数值算例表明该算法可有效、准确地对路面裂纹或裂缝进行检测。     

基于自适应均值的地铁隧道裂缝图像滤波算法

地铁隧道表面光照不均匀、对比度低、噪声干扰严重,采集到的裂缝图片较灰暗且含有大量混合噪声,因而单一的滤波方法不能达到很好的去噪效果。针对该问题,提出一种基于快速中值的自适应均值滤波算法来实现隧道裂缝图像滤波。该算法先对图像进行反转以增强裂缝与背景的对比度,通过快速中值法计算滤波窗口的中值,自适应地选取合适的阈值来对滤波系数加以优化,并将窗口各像素点的灰度值进行加权运算,其结果作为窗口中心点灰度值,并输出。通过与传统中值、均值滤波算法比较,提出的新算法不仅降低了图像噪声,而且有效地保护了裂缝边缘,降低后续对裂缝特征量提取及分割识别的难度。     

沥青混合料CT图像分割技术及其效果分析

在最大类间方差法(OTSU法)的基础上,设计了环状分块方法,用以解决在处理路面芯样CT图像灰度图无明显双峰,目标集料颗粒与沥青胶浆背景分割的技术难题,并着重从图像分割效果方面设计试验,开展了评价研究.结果表明:采用环状分块和OTSU法相结合的改进算法,图像的分割质量明显提高.进一步与最佳阈值法(手动)相比较,采用粗集料...     

多尺度特征增强的路面裂缝检测方法

针对路面裂缝检测不完整和分割出现断裂的问题，提出了一种多尺度特征增强的路面裂缝检测网络MFENet,实现端到端的路面裂缝图像检测、分类和分割处理；设计了多尺度注意力特征增强模块，建立了网络模型的上层多尺度特征通道与底层特征通道权重系数之间的映射关系，以提升有效通道的特征输出；基于路面裂缝的坐标信息和像素语义信息在物理位置上的相关性，设计了多语义特征关联模块，实现不同语义信息之间的特征融合增强，并通过特征维度转换实现对路面裂缝图像的前景特征过滤；提出了一种针对深度特征强度进行量化评估的方法，用于提升模型提取特征能力的可解释性。在自采集数据集上的研究结果表明：MFENet对路面裂缝图像检测的平均精准率和平均召回率相比Mask R-CNN分别提升了4.3%和5.4%,相比基线模型RDSNet分别提升了14.6%和14.3%;MFENet对路面裂缝图像分割的平均精准率和平均召回率相比Mask R-CNN分别提升了6.6%和8.8%,相比RDSNet分别提升了8.1%和9.7%;与Mask R-CNN等主流方法相比，MFENet对不同类型路面裂缝图像的检测、分割精度最高。在公开数据集(CFD、C...     

基于形态学梯度分割的低对比度路面裂缝自动识别方法研究

针对目前路面裂缝的检测效率低、裂缝识别的主观性强、在低对比度下不易辨识等问题，提出了基于形态学梯度分割的低对比度路面裂缝自动识别方法，通过分析路面裂缝形成的原因研究了摄像头拍摄情况下的路面图像预处理方法及达到的效果，研究了形态学梯度检测中的Sobel算子方法在路面裂缝中的应用，通过实际采集的低对比度路面单裂缝与复杂背景下路面多裂缝图像进行算法测试，试验结果验证了提出方法的有效性。     

分形维-最大熵阈值的弱边缘工业CT图像分割算法

含有弱边缘的工业CT图像在分割时易产生过分割现象,对此提出了一种分形维定位和最大熵阈值分割的图像分割算法.首先,采用中值滤波和高斯平滑对图像进行预处理;其次,对预处理后的图像进行分块,并求取每个分块的分形维;再次,根据背景和缺陷处分形维的差异对缺陷进行粗定位,并根据连通域分析精确定位缺陷区域;最后,利用最大熵阈值法对精确定位后的局部区域进行分割.仿真实验表明:所提算法具有良好的分割能力,可以准确地分割出含有弱边缘的缺陷目标,并有效排除轮廓背景对分割的干扰,避免了过分割.     

两阶段混合粒子群优化聚类

为解决数据集样本维数较高时已有粒子群优化K均值算法计算速度较慢且聚类结果不稳定的问题,利用第1阶段聚类层次凝聚聚类获得准确率较高的子簇集合,作为粒子群优化K均值聚类算法初始聚类中心的搜索空间,进行第2阶段聚类.提出了一种简化的粒子编码方法,以减小样本维数对计算复杂度的影响;引入混沌的思想,以保持粒子种群的多样性,从而避免粒子群优化算法可能出现的早熟现象.通过两阶段聚类,有效地融合了粒子群优化、层次聚类与划分聚类算法的优点.在多个UCI数据集上的聚类结果表明,与几种对比算法聚类结果的最优值相比,其纯度分别提高了1%~8%,且耗时减少50%以上.      

一种基于遗传算法的最优阈值图像分割算法

为了提高图像分割效率,提出一种基于遗传算法的最优阈值搜索方法OTSGA.OTSGA算法对图像的灰度级进行二进制编码,生成初始种群,求出每个个体的二维最大熵,然后根据设定的寻优准则进行相应的遗传操作以搜索阈值最优解.为了避免在求解过程中出现早熟现象,OTSGA算法将交叉操作得到的个体群与上一代种群混合,得到新的种群进行遗传操作,避免了个别个体在遗传运算的最初迭代时就在种群中占据主导地位,导致求解过程的过早收敛.实验结果表明,OTSGA最优阈值搜索方法不仅降低了运算开销,而且获得了满意的图像分割效果.     

基于Beamlet变换的路面裂缝图像匀光算法

为解决路面病害检测过程中在不同光照条件下裂缝识别可靠性的问题,Beamlet变换提供了一种多尺度分析算法．该算法采用递归二进法将图像分块,利用在所有像素尺度下的Beamlet线段逼近裂缝,将裂缝从图像背景中分离,并采用插值函数均匀光照背景．在图像裂缝提取过程中,对图像中裂缝的线性提取可以有效地滤除噪声,提高裂缝提取的准确性．较传统的图像处理算法,该算法在准确地检测路面裂缝,均匀光照背景的同时有效地抑制了噪声干扰,检测效果良好,且运算速度快．均匀的路面背景为路面裂缝图像的定性、定量分析奠定基础．     

一种噪声车牌的模糊预处理方法

本文提出了一种车牌模糊预处理方法,主要用于解决现场车牌图像模糊不清、对比度不强,以及传统二值化方法带来的噪声、粘联、变形等不理想现象。通过采用模糊增强技术采增强车牌图像的对比度,便于后续的分割、识别等操作;并提出应用模糊c均值算法采确定车牌图像二值化中的聚类阈值,从而实现对车牌图像的二值化,并将二值化结果与传统的Otsu二值化方法进行了对比。实验结果显示,应用本方法处理车牌噪声和粘联等情况具有较好的优越性。     

桥梁下部结构裂缝提取的改进C-V模型算法(英文)

应用改进C-V模型,进行桥梁下部结构裂缝图像分割,通过裂缝截取、图像填充和旋转变换精确提取裂缝宽度。对不同光照条件下拍摄的在役混凝土桥梁结构裂缝图像,分别利用改进C-V模型算法、自适应阈值法、形态学算法、C-V模型以及Canny算法进行试验对比。分析结果表明:改进C-V模型算法误分率和运算时间最小,分别为3.02%与89ms;1 000幅桥梁结构裂缝图像试验对比显示裂缝检测准确率大于90.8%,裂缝宽度平均误差小于0.03mm。可见,改进算法可有效提高检测准确率,减少运算时间。