结合纹理特征与显著性的裂缝提取算法

为有效提取路面裂缝,提出一种纹理特征融合与显著性检测相结合的路面裂缝检测算法。采用形态学方法去除部分光照,利用LBP、Laws、对比度纹理描述因子对裂缝进行描述并将描述结果进行加权融合,利用显著性算法对裂缝显著化,阈值分割、中值滤波、连通域去噪后得到裂缝。实验结果表明,与常见的效果较好的分割算法比较,该算法检测效果更优,能更好保留裂缝细节,提取裂缝的精确率和召回率均达到了92%以上。

基于自适应阈值的细小裂缝与微灰度差异裂缝自动检测方法

针对路面各种噪声导致错误识别,以及细小裂缝与微灰度差异裂缝检测困难的问题,该文提出一种基于自适应阈值的裂缝自动检测方法。主要内容包括:提出了一种针对细小裂缝与微灰度差异裂缝的移动平均自适应阈值分割;利用线性结构的连通域规则噪声去除;基于Hough变换的裂缝图形自动检测;最后利用该文方法对实例高速公路细小裂缝进行自动检测。结果显示:该文方法比参考文献中几种算法效果更好、自动化程度高,试验结果精度比工程单位使用的方法高。

基于多特征融合的铁路护栏网格提取

铁路护栏是列车高速安全运行免受异物入侵的必要保障,其图像精确提取是铁路基础设施自动化检测的关键步骤。针对铁路护栏因背景干扰因素多而难以准确提取其图像的问题,提出一种融合多特征和二维最大熵的铁路护栏网格图像提取算法。首先采用双边滤波降噪和伽马变换增强铁路护栏网格图像,其次在提取护栏网格的线性特征、方差特征和矩特征后进行二维最大熵初分割,最后根据三类特征图的初分割进行加权融合与连通域去噪。结果表明,本文算法对铁路护栏网格图像的提取具有较强的鲁棒性。