基于PCNN和遗传算法相结合的新型混凝土桥梁裂缝检测方法

针对混凝土桥梁裂缝对比度低、裂缝图像噪声干扰强等难题,提出了基于脉冲耦合神经网络(PCNN)和遗传算法相结合的混凝土桥梁裂缝检测新算法(GA-PCNN)。该算法首先利用遗传算法优化裂缝PCNN模型参数;然后通过改进的最小对数误差适应度函数区分裂缝与背景,当适应度值大小几乎无变化时,停止分割图像;最后通过连通域去噪算法滤除残余噪声,实现裂缝的自动检测。比较GA-PCNN、PCNN和基于熵及动态阈值算法对裂缝图像的分割效果,并绘制PR和ROC曲线评价分割质量,经计算GA-PCNN算法的PR和ROC曲线下面积为90.6%和91.6%,分别高于PCNN算法10.1%和6.8%、基于熵和动态阈值6.5%和6.7%。实验结果表明,GA-PCNN新算法分割效果好且去噪能力强,该算法能准确地提取混凝土桥梁裂缝特征。

一种基于图像处理的同轴度误差测量方法

提出了一种建立在图像处理技术上的同轴度误差测量方法,其将同轴度误差测量转化为点到直线的距离测量。即通过图像处理方法对工件图像进行处理,提取出工件的轮廓像素值,利用最小二乘法拟合基准轴线,再利用点到直线距离得到工件的同轴度误差。同样的图像处理与计算方法得到工件在旋转90°后的同轴度误差。考虑到工件在各个方向上都存在同轴度误差,并将得到的两同轴度误差进行合成,取其中平方和的算术平方根作为工件最终的同轴度误差。实例表明该方法为零件的加工和装配精度提供了一定的保障。