基于改进K-means聚类分割方法的桥梁裂缝识别研究

Study on Bridge Crack Identification Based on the Improved K-means Cluster Segmentation Method

随着计算机成像技术、计算能力和硬件设备的改进,基于机器视觉的无损检测方法凭借快速准确、及时高效、可重复批量检测的优势成为桥梁检测技术领域的有力工具。为提高机器视觉在桥梁裂隙病害识别的准确性,研究人员通过文献整理和分析,提出一种改进的K-means聚类分割算法(即在原有的K-means算法中融入二值化形态学思想)对病害图像进行分割处理,并选取5张图片,对比K-means聚类分割算法与传统图像分割算法的效果,结果表明改进算法所建数学模型成立的前提下,改进算法能100%实现对裂隙病害图像的分割,拉普拉斯算子分割、prewitt算子分割和Sobel算子分割的成功率为40%;分水岭算法分割的成功率为80%;最大类间距分割算法的成功率为20%。