|
|||||
|
|
| 基于各向异性测度的路面三维图像裂缝识别 | |
| 引用本文： | 彭博,陈成,蒋阳升.基于各向异性测度的路面三维图像裂缝识别[J].西南交通大学学报,2014(5). |
| 作者姓名： | 彭博 陈成 蒋阳升 |
| 作者单位： | 1. 西南交通大学交通运输与物流学院，四川成都 610031; College of Civil and Environmental Engineering，Oklahoma State University，OK 74078-5013 2. College of Civil and Environmental Engineering，Oklahoma State University，OK 74078-5013 3. 西南交通大学交通运输与物流学院，四川成都 610031; 西南交通大学综合运输四川省重点实验室，四川成都 610031; 西南交通大学综合交通运输智能化国家地方联合工程实验室，四川成都610031 |
| 基金项目： | 国家自然科学基金资助项目(51108391，61170041)；中央高校基本科研业务费专项资金科技创新项目 |
| 摘 要： | 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％）． |
| 关 键 词： | 道路工程 识别算法 图像处理 路面裂缝 各向异性检测 三维图像 |
3 D Pavement Crack Image Detection Based on Anisotropy Measure |
|
| PENG Bo,WANG Kelvin CP,CHEN Cheng,JIANG Yangsheng.3 D Pavement Crack Image Detection Based on Anisotropy Measure[J].Journal of Southwest Jiaotong University,2014(5). | |
| Authors: | PENG Bo WANG Kelvin CP CHEN Cheng JIANG Yangsheng |
| Abstract: | |
| Keywords: | road engineering detection algorithm image processing pavement cracking anisotropy check 3 D images |