基于1mm精度路面三维图像的裂缝种子自动识别算法

为了准确地检测路面裂缝,给路面养护管理、路面性能评价与预测、路面结构和材料设计提供参考,基于1mm·像素-1的路面三维图像对裂缝自动识别进行研究。首先,将源图像划分为8像素×8像素的子块以降低图像维度;其次,根据深度验证和对称性检测将8像素×8像素的图像子块识别为裂缝子块（即裂缝种子）或非裂缝子块;然后,根据深度和方向相似性连接裂缝片段;最后,设计去噪算法消除孤立噪声,获得裂缝图像。结果表明：所提出的算法具有较高的准确率（均值92.75%）、召回率（均值58.93%）和运行速度（平均2~3s·张-1）,以71.15%的F值优于Otsu分割,Canny边缘检测和另一种子识别算法。

路面裂缝图像自动识别算法综述

路面裂缝自动检测对于路面养护管理、路面性能评价与预测、路面材料和结构设计具有重要的实用价值,但快速、准确、全面且稳定地识别路面裂缝一直是个难题。为此,对路面裂缝自动检测研究现状进行综述,包括以图像增强和去噪为目的的预处理方法,基于阈值分割、边缘检测和种子生长的空间域识别算法,以小波变换为代表的频域识别算法,基于有监督学习的识别算法及其他裂缝识别方法;指出既有裂缝识别算法存在易受光照和油污等因素的影响、裂缝识别图像连续性差和识别速度和精度较低等不足。最后,提出综合考虑边界和区域特征消除纹理和噪声干扰、基于局部和全局信息设计优化识别算法和基于三维图像进行裂缝识别等研究展望,为裂缝自动识别算法的改进提供参考。

基于三维虚拟路面的裂缝自动检测算法

为了在考虑路面三维特征的基础上快速、准确、完整地识别裂缝,基于三维虚拟路面提出了裂缝自动并行识别算法。首先,对1 mm/像素的路面深度图像进行消隐处理和光照模型处理建立三维虚拟路面,通过4个角度的立体投影产生4幅投影图像(Ω1~Ω4);然后,分别对Ω1~Ω4进行降维处理、裂缝识别(包括强度验证及对称性检测)和裂缝连接,获得阴影区裂缝图像Ωs1~Ωs4及反光区裂缝图像Ωr1~Ωr4;最后,有效融合Ωs1~Ωs4及Ωr1~Ωr4的裂缝信息并进行深度验证和滑动去噪处理,获得裂缝图像。基于255张图像(4 096×2 048)的测试显示:算法具有较高的准确率(平均80.34%)和召回率(平均83.89%),以80.47%的F值优于ADA3D算法;此外,并行框架有利于程序并行化,能有效提高运算速度。

基于1mm精度路面三维图像的裂缝自动并行识别算法

为了快速、准确、完整地识别裂缝,基于1 mm/像素的路面三维图像提出了具有并行结构的裂缝自动识别算法.首先,进行降维处理,分别以像素(0,0)和(4,4)为起点将源图像划分为8×8像素的子块,获得2幅部分重叠的降维图像;然后,基于降维图像进行裂缝种子识别和裂缝连接,形成10个并列的子流程,从而产生10幅初步裂缝图像;最后,对10幅图像进行裂缝融合与滑动窗口去噪处理,获得裂缝图像.测试结果表明:提出的算法具有较高的准确率(平均92.56%)和召回率(平均90.59%),并以90.59%的F值优于Otsu阈值分割及Canny边缘检测算法;该算法的并行结构有利于程序并行化,能有效提高运算速度.