基于机器学习的裂缝检测方法研究

• 作者: 马志丹
• 来源期刊: 信息通信
• 学科: 工学
• 关键词: 裂缝检测 滤波处理 裂缝特征提取
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 学术研究
• 页码范围: 25-26
• 页数: 2页
• 分类号: TP391.4
• 字数: 2366字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1131.2018.11.009

摘要

公路在国民生活中扮演着愈来愈重的角色,公路的养护维修不可或缺,养护方案的制定依赖于路面病害的特征数据,如何快速准确地检测路面病害成为当前至关重要的任务.为了克服传统人工检测耗时耗力以及目前裂缝检测车造价高、适用性不强等缺点,基于机器学习的裂缝检测技术应运而生.文章通过将机器学习中的K均值聚类算法和Otsu阈值分割算法应用到无阴影的裂缝图像检测过程,分别得到初步裂缝检测二值图,通过对比分析,K均值聚类优于Otsu阈值分割算法,最终选择K均值聚类实现裂缝检测.最后,由于油污、纹理信息对裂缝检测的干扰,根据连通区域面积、长宽比特征算法完成裂缝二值图像滤波,将滤波得到的裂缝检测二值图应用于裂缝特征的提取和类型判定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马志丹	长安大学信息工程学院	4	2	1.0	1.0