基于多特征分析的地铁隧道裂缝检测（英文）

在地铁隧道裂缝检测过程中,由于隧道环境复杂及光照条件有限,隧道裂缝检测比较困难。为此,提出了一种基于多特征分析的隧道裂缝检测方法。首先,利用Retinex匀光与分段线性拉伸相结合的预处理算法对图像进行增强处理,通过分块处理的Otsu阈值分割算法实现图像的初步分割。其次,对图像连通域面积和矩形度进行分析,利用概率Hough变换提取图像中的线型结构特征,利用连通域图像骨架特征提取算法滤除伪裂缝干扰,最终实现真实裂缝检测。实验结果表明,本方法对传统裂缝图像检测率可达92%,对隧道裂缝图像检测率可达86%。实验结果证明了该方法的有效性。     

自适应非局部空间约束与K-L信息的模糊C-均值噪声图像分割算法

针对传统模糊C-均值聚类(FCM)算法对噪声鲁棒性差的问题, 提出一种自适应非局部空间约束与K-L信息 的模糊C-均值噪声图像分割算法. 首先, 通过定义平滑度, 设计自适应匹配函数, 实现非局部空间信息项搜索窗口和 邻域窗口的自适应计算, 克服非局部空间信息窗口大小固定的问题. 其次, 将K-L信息引入目标函数, 利用隐马尔可 夫模型计算图像像素的上下文信息, 减少分割的模糊性. 最后, 利用原始图像和非局部空间信息项局部方差的绝对 差和其倒数自适应约束原始图像和非局部空间信息项, 实现约束项参数的自适应选择, 提高算法的灵活性. 含噪合 成图像和彩色图像分割实验表明, 该算法在分割精准度、平均交互比、归一化互信息、模糊分割系数和模糊划分熵 等性能方面均优于其他几种FCM算法. 例如, 在混合噪声密度为15%的条件下, 算法的模糊分割系数和模糊划分熵 分别达到99.92%和0.14%.