基于模糊距离变换的岩心图像颗粒分割算法

岩心CT图像中相邻颗粒之间存在相互粘连,粒度参数分析等需要对粘连颗粒进行分割。结合岩心粘连颗粒的特性,提出一种基于模糊距离变换的改进颗粒分割算法。首先,对预处理后的岩心图像进行模糊距离变换并提取出距离信息的灰度图像,然后利用形态学膨胀重构方法提取标记作为后续分水岭算法的种子点,根据种子点采用一种基于测地重建的改进分水岭算法得到相邻种子点之间的分割线,最后完成粘连颗粒的分割。实验结果表明本文算法可以提高粘连颗粒分割的准确度并减轻分水岭算法的过分割现象。     

基于机器视觉的桩护壁裂缝检测方法

针对桩护壁表面图像纹理复杂、裂缝对比度低，图像拍摄角度及距离不固定导致绝对阈值无法适用等问题，提出一种基于机器视觉的桩护壁裂缝检测方法。利用像素点互补算法增强图像裂缝的对比度，利用相位角及灰度分布改进Canny算子来抑制图像背景中干扰物的边缘点，并根据裂缝特性设置多个相对阈值过滤噪声，通过预测裂缝发展趋势对裂缝进行补全。实验结果表明，该方法能够较好地检测和标识桩护壁裂缝区域，并且对传统建筑表面的裂缝检测同样适用。     

基于直线段特征单元提取的隧道砼衬砌接缝去除算法

由于部分隧道砼衬砌表面图像中固有衬砌接缝与裂缝灰度值相似且线性一致,衬砌接缝处易产生起砂、空鼓、掉块及渗漏水,已有的裂缝检测算法提取单一的裂缝存在缺陷。提出基于直线段特征单元提取的隧道砼衬砌表面衬砌接缝去除算法。在裂缝聚类特征粗检测的基础上,首先通过改进的累计概率霍夫变换检测出显著的直线特征;然后利用像素点的延伸搜索计算来提取衬砌接缝可处理的最小直线段特征单元线;最后根据单元线标记信息及定区域内单元线特征去除部分衬砌接缝,并运用渗流去噪算法得到隧道砼衬砌表面真实裂缝。实验结果表明,提出的算法弥补了已有隧道砼衬砌表面裂缝检测技术的不足,能够精确、快速、有效地去除相似线性特征对单一的真实裂缝检测的干扰,具有较强的鲁棒性。     

基于多尺度曲波变换的路面裂缝融合算法

针对模糊、不连续的路面裂缝病害图像,提出一种新颖的图像处理算法进行裂缝病害的提取。将采集的路面病害图像进行对比度增强、Canny-HBT（双曲正切）滤波去噪、亮度非均匀校正等一系列预处理操作,以提高图像中裂缝与路面背景的差异;对预处理后的路面病害图像进行多尺度的曲波变换表示,并在图像重构前利用Max-Mean混合的融合算法对裂缝连通区域进行阈值判决实现裂缝的精细融合;实验表明,该算法能更好地优化边缘定位,有效地提取弱对比度的裂缝和细小裂缝,提高了路面裂缝边缘检测的可靠性和精度,同时也提高了PSNR值。     

改进的灰度校正算法在路面裂缝图像预处理中应用

针对传统的灰度校正算法在对亮度不均匀的路面裂缝图像处理时容易造成边缘模糊,局部对比度得不到增强的问题,本文在传统的快速灰度校正算法基础上,提出了一种改变初始背景图像选取方式以及采取局部对比度增强图像和整体灰度校正图像相互融合的改进型灰度校正算法.实验结果表明,与传统方法相比,改进后的算法对路面裂缝类图像的预处理效果明显增强.     

融入视觉注意机制的路面裂缝检测与识别

针对实际路面裂缝检测中存在复杂噪声干扰的问题,根据裂缝和背景像素的视觉差异,设计一种融入视觉注意机制的路面裂缝自动检测与识别算法。通过灰度校正和各向异性扩散滤波的预处理方法滤除部分噪声,利用全局和局部灰度对比度信息计算裂缝显著值,融合生成综合显著图粗定位裂缝区域。在此基础上,依据裂缝区域的形状特征使用形状分析法进行去噪和目标提取,实现裂缝的精确定位。实验结果表明,该算法能快速有效地检测出裂缝区域,与基于阈值分割、边缘检测或小波变换的裂缝检测算法相比,具有较高的检测精度。     

基于图像显著性的路面裂缝检测

有效的视觉显著性方法能准确快速地帮助人们在大量视觉信息中找到感兴趣的物体.针对实际路面图像噪声成分复杂、覆盖面广的特点,提出一种基于图像显著性的路面裂缝检测算法.该算法对路面裂缝图像分块灰度校正后,根据灰度稀疏性、全局对比度计算粗尺度下的裂缝显著值,然后由裂缝局部亮度、边缘特性、连续性特点进行不断扩张的细尺度的局部邻域显著性增强,再经空间显著性加强后,采用自适应阈值分割提取裂缝.大量的实验结果表明,该算法比传统算法更能正确、有效地检测出裂缝整体区域,抗噪声能力强,漏检率和误检率很低,具有和人类视觉特性相符合的检测结果.     

基于相似性滤波的红外小目标检测

针对天空红外图像的特点,利用背景像素点和目标像素点的灰度值在空间分布上与其邻域像素灰度值之间的差异,提出相似性滤波的方法,相似性滤波的方法,算法简单,图像中的背景干扰能够被极大抑制,图像中点目标的对比度和图像的信噪比被显著提高。为减小噪声影响,一种自适应的噪声处理方法被给出,它对图像中的高斯噪声和脉冲噪声分别处理,在提高去噪效果的同时保留了图像的边缘信息。仿真结果表明提出的算法对红外点目标的背景具有极好的抑制能力。     

FCM分割和形态学的沥青路面图像裂缝提取

利用裂缝相对于路面的亮度、几何纹理等特征差异,提出了一种基于FCM图像分割和形态学的沥青路面图像裂缝提取方法。拍摄的路面图像经过去噪、亮度非均匀校正和对比度增强等一系列预处理,提高图像中裂缝与路面背景的差异。采用FCM方法分割图像,初步提取裂缝。利用膨胀、腐蚀和细化等形态学操作,对裂缝连通区域面积进行阈值判决实现裂缝的精细提取。实验结果表明,该综合方法获得了较好的检测结果,能有效地提取弱对比度的裂缝和细小裂缝。     

基于形态学的焊接图像缺陷检测方法研究

射线焊接缺陷的准确检测是保证焊接构件质量的关键,针对焊接生产中采集的图像存在对比度低、噪声干扰及边界模糊等特点,提出了一种基于灰度形态学的射线焊接图像的缺陷检测方法;首先,在对原始射线焊接图像滤波和增强的基础上,根据对焊接图像列灰度的分析运用阈值法提取出焊道;然后,选取了多尺度多结构元素,采用灰度形态学方法对焊接图像进行缺陷边缘检测,并二值化处理后提取出焊接图像巾的缺陷;试验结果表明,相比传统的边缘检测算法,该方法能有效提取图像中的焊接缺陷边缘,且其连续性和完整性较好.     

基于全卷积神经网络的单幅隧道图像裂纹提取算法

提出一种基于全卷积神经网络的单幅隧道图像裂纹提取算法,能够有效避免复杂背景下的伪裂纹噪声点干扰,实现对隧道裂纹的精确分割。首先,构建深度残差网络模型提取裂纹特征;其次,使用改进的全卷积神经网络中的反卷积操作恢复裂纹特征图的尺寸和裂纹细节;为了提升裂缝提取的精细程度,提出一个细节修复模块来保持裂缝的完整性与边缘细节;最后,公开一个裂纹数据集NUAACrack-2000,包含2 000幅隧道裂纹图像与精准标注标签。实验表明,提出的算法在避免噪声点干扰方面优于传统图像分割算法;在保留提取裂纹的整体性以及边缘细节处理方面优于基于机器学习的主流裂纹提取算法。     

Application of canny operator threshold adaptive segmentation algorithm combined with digital image processing in tunnel face crevice extraction

The present work aims to reduce tunnel construction accidents to personnel. The threshold adaptive segmentation algorithm combined with the Canny operator is employed to extract and detect the cracks on the rock mass of the tunnel face from digital images of the tunnel face. Firstly, the gray change processing and histogram equalization technology of the image processing algorithm enhance the contrast of the digital image of rock mass on the tunnel face. Then, the Canny operator and OTSU method construct a threshold adaptive segmentation algorithm to segment the rock mass crevice image after increasing the contrast and to classify crevices on the tunnel face into streak cracks and irregular cracks. Secondly, the segmented image is corrupted, extended, and refined; meanwhile, boundary fitting, separation, merging, and filtering are carried out to form a relatively complete rock boundary recognition result. Finally, the streak crevices and irregular crevices are detected according to the crevice geometry and pixel distribution characteristics to determine the crack direction. The experimental results show that this method can extract complete rock cracks with less than a 2% extraction error rate. Besides, the detection rates of the algorithm for the streak crevices and irregular crevices are 97% and 94%, respectively, and the detection accuracy of the crevice direction is 98%. This indicates that the algorithm proposed here is applicable to geological sketch and provides a reference for the classification of surrounding rock on the tunnel face.

     

基于改进的全卷积神经网络的路面裂缝分割技术

裂缝是路面表面的重要病害之一。传统的裂缝检测依赖于人工的视觉检查,在实际操作中费时费力。虽然传统的图像处理技术在一定程度上可使裂缝检测与分割更加自动化,但是图像处理技术易受到由光照、模糊等引起的一些噪声的影响。为了完成复杂环境下对路面裂缝的分割及检测,提出了一种基于改进的全卷积神经网络（Fully Convolutional Networks,FCN）的分割方法,根据建立的数据集训练传统FCN和优化后的FCN,测试结果表明其平均交并比（mean_IoU）得到了一定的提高,故该方法能够较准确地分割出路面裂缝。     

基于遗传算法和简化PCNN神经网络的裂缝检测方法*

为能够在复杂背景下检测裂缝、分析裂缝图像特征,由脉冲耦合神经网络(pulse coupled neural networks, PCNN)的运行特征和神经元的状态变化分析简化PCNN模型,将简化PCNN模型用于裂缝图像的目标检测。针对PCNN无法确定裂缝图像的最优检测以及脉冲门限具有非线性因子的问题,提出了一种基于遗传算法(genetic algorithm, GA)和简化PCNN的裂缝图像检测方法。该方法采用最小误差准则作为遗传算法的适应度函数,并且根据遗传算法具有全局最优解的特点确定简化PCNN中各因子的值,实现了简化PCNN的裂缝图像自动分割。将本文方法与不同的分割方法对实际裂缝图像的处理结果进行比较,通过区域对比度、准确率和召回率等客观指标进行定量分析,表明了该方法对裂缝图像检测的有效性与通用性。     

基于DenseNet分类的隧道裂缝检测研究

针对隧道裂缝人工识别低效、检修不便以及隧道环境复杂多变、检测易受噪声干扰等问题,文中提出一种基于深度学习的裂缝检测算法。通过神经网络对原始图像进行非裂缝区域过滤,减少无关背景信息的干扰,同时在分割算法基础上通过多维分类器将误识别的裂缝区域剔除。实验结果表明,密集连接卷积网络（DenseNet）在裂缝分类中最高可达99.95%的准确率,有效提升了隧道裂缝自动检测精度。     

基于曲率滤波和N-P准则的路面裂缝识别方法

针对沥青路面裂缝不连续问题,提出一种基于曲率滤波和N-P准则的裂缝识别方法。通过组合最小矩形切平面和最小三角切平面及修正正则能量项的改进型曲率滤波算法,消除随机噪声并平滑纹理。采取二次分割策略提取疑似裂缝目标和运用裂缝几何特性去除块状或点状噪声,实现裂缝定位和获取裂缝片段。在此基础上,融合裂缝片段的位置和方向信息,提出利用N-P准则连接裂缝片段的端点,从而获得完整裂缝数据。研究结果表明,提出的方法对横裂、纵裂、块裂及龟裂等裂缝都具有较好的检测效果和较高的检测精度,裂缝检测的完整性达到90.5%以上。     

基于水动力学、分数阶微分及Steger算法的线状目标提取

目的 线状目标的检测具有非常广泛的应用领域,如车道线、道路及裂缝的检测等,而裂缝是其中最难检测的线状目标。为避免直接提取线状目标时图像分割难的问题,以裂缝和车道线为例,提出了一种新的跟踪线状目标中线的算法。方法 对图像进行高斯平滑,用一种新的分数阶微分模板增强图像中的模糊及微细线状目标;基于Steger算法提出一种提取线状目标中心线特征点的算法,避免了提取整体目标的困难;根据水动力学思想将裂隙看成溪流,通过最大熵阈值处理后,先进行特征点的连接,再基于线段之间的距离及夹角进行线段之间的连接（溪流之间的融合）。结果 对300幅裂缝图像及4种类别的其他线状目标图像进行试验,并与距离变换、最大熵阈值法+细线化Otsu阈值分割+细线化、谷底边界检测等类似算法进行比较分析,本文算法检测出的线状目标的连续性好、漏检（大间隙少）和误检（毛刺及多余线段少）率均较低。结论 本文算法能够在复杂的线状目标图像中准确快速地提取目标的中心线,一定程度上改善了复杂线状目标图像分割难的问题。     

一种改进阈值分割的荧光磁粉裂纹提取算法

荧光磁粉探伤是一种广泛使用的铁磁性材料表面裂纹检测技术，但荧光磁粉图像中的反光区域和噪声将给裂纹检测带来困难。为消除反光及噪声的影响，精确获得裂纹目标，提出了一种改进阈值分割的荧光磁粉裂纹提取算法。该算法根据G通道分离和自适应中值滤波算法对图像进行预处理，降低反光区域和噪声对裂纹检测的影响。结合图像梯度和相位一致性构建联合分布直方图，根据最大熵算法确定裂纹分割的阈值，得到裂纹候选区域。通过迭代式裂纹连接算法对裂纹进行修补，得到完整的裂纹目标。实验结果表明，针对荧光磁粉裂纹图像，该算法能够在噪声干扰、反光遮挡和低亮度裂纹条件下获得完整准确的裂纹目标，且裂纹提取的正确率可达96.94%。     

一种基于改进渗流模型的混凝土表面裂缝快速检测算法

由于混凝土表面不平整、光照不均、裂缝背景较为复杂等因素的干扰,传统的基于图像处理的裂缝检测方法对裂缝检测的效果不佳,尤其是不清晰和比较细小的裂缝。基于渗流模型的裂缝检测方法充分考虑了裂缝亮度低、形状较为细长的特点,对裂缝的检测效果很好,尤其是图像中的细小裂缝,但是该方法需要大量的处理时间。为了解决上述问题,提出了一种加速渗流处理的算法,该算法通过暗点预提取来减少渗流时需要处理的像素点个数,以此来减少渗流处理时间。实验结果表明,所提算法能明显加快渗流处理的速度,并且精确率基本保持不变。     

基于改进 Mask R-CNN 深度学习算法的隧道裂缝智能检测方法

隧道裂缝检测是避免隧道重大灾害和日常养护的重要工作,但传统人工检测工作量巨大,无法 满足实际需求。采用深度学习神经网络 Mask R-CNN 模型对裂缝进行智能自动检测,避免了人工检测的耗时耗 力。通过调整算法参数,优化模型检测结果,获得适用于隧道裂缝检测的 Mask R-CNN 模型。针对自动识别的 裂缝结果,进一步计算其几何特征参数。为充分利用裂缝狭长弯曲特性,体现裂缝走向及基本形态,提出了基 于骨架提取和函数拟合思想的裂缝几何特征计算方法。根据裂缝骨架,可获得裂缝走势,计算裂缝长度。通过 函数拟合,可得到贯穿裂缝狭长区域的函数,根据函数法向量计算宽度。根据裂缝几何参数计算结果,结合规 范规定的须修复裂纹宽度要求,可实现隧道裂缝检测自动预警,为隧道裂缝自动检测提供了技术支撑。