基于VC＋＋路面裂缝图像处理系统研究

传统的基于人工视觉检测裂缝的方法愈来愈不能适应高速公路发展的要求.为了满足这种需求,给出了一种基于图像处理的路面裂缝自动检测方法,使用一种快速的针对灰度不均图像校正方法,对降质路面图像进行增强,然后进行阈值分割,提取出图像上的线性特征,最后再根据线性特征从原来灰度图像上识别出裂缝目标.整个软件系统采用面向对象的编程技术,设计界面友好,且易于操作.将计算机图像处理结果与实际公路现场检测结果进行了对比分析,表明了该方法的可行性、准确性、有效性,并且有比较满意的检测效果.     

一种基于集成学习的路面裂缝检测仿真算法

针对当前智能学习算法对道面裂缝识别准确率不高的状况,提出了一种采用集成学习识别道面裂缝的算法.对图像进行栅格化和二值化处理,发现像素均值和像素标准差能够较好地反映裂缝信息,因此提取了像素分布密度、均值和标准差的水平投影和垂直投影作为特征量;引入stacking集成学习算法对裂缝进行检测,以基本分类器的输出作为元数据集,...     

基于图像分析的路面裂缝检测识别系统

当公路路面开裂后,及时对路面裂缝进行维护才能有效降低公路的维护成本、提高公路的使用寿命。开发路面裂缝的检测识别系统不仅降低公路维护成本,而且可以防止意外发生,保护人身安全。首先,对图像进行预处理,目的是消除图像上的干扰裂缝识别的噪声。然后对图像进行检测识别,在图像上标记出裂缝准确区域,通过EXCEL保存试验所提取的裂缝参数信息。本系统通过使用Matlab软件编写程序实现整个图像裂缝识别过程。仿真实验结果表明,本系统能有效识别路面裂缝,大大效降低工人养护路面的成本和效率。     

基于卷积神经网络的路面裂缝检测

对路面图像块预标记,根据预标记结果对路面图像进行强度归一化预处理,在保留裂缝信息的同时,减少背景光照不均的影响.将预处理后的路面图像输入卷积神经网络(CNN)模型实现路面图像裂缝的检测.由于路面裂缝分布复杂,在训练网络时,使用不同尺度和不同角度的路面图像进行模型训练,使得网络能够检测不同裂缝形状.实验结果显示:裂缝检测结果较好.     

基于多级去噪模型的路面裂缝检测方法

为了去除路面裂缝检测中的各种噪声,在分析对比了目前常用去噪模型优缺点的基础上,根据路面图像中的噪声及裂缝信息的特点,结合已有去噪算法的优点,提出了一种新的基于路面裂缝检测的多级去噪模型。整个去噪模型包括灰度去噪模型、空间滤波去噪模型、裂缝特征去噪模型与几何特征去噪模型。实验结果表明,该模型在路面图像的去噪、裂缝信息提取等方面有较大改进。     

基于灰度极小值的路面裂缝检测算法

为提高路面裂缝检测的识别准确率、提高检测效率和降低检测成本,提出一种基于灰度极小值的路面裂缝检测算法。算法在不对路面灰度图像做任何预处理和标注训练的前提下,依据路面裂缝灰度极小值直方图提取不同对比度的裂缝特征;根据不同对比度裂缝的灰度空间分布特点,设计不同对比度裂缝多方向激活重构算法;依据裂缝的线性特点设计伪裂缝去除算法,在保留裂缝细节信息的前提下去除伪裂缝。在公共数据集上进行测试,结果表明算法能够检测不同类型的路面裂缝,具有一定的实际应用价值。     

基于注意力机制的深度学习路面裂缝检测

为实现自动准确地检测路面裂缝,提升路面裂缝检测效果,提出了一种基于注意力机制的裂缝检测网络(attention-basedcracknetworks,ACNet).该网络采用编码器-解码器网络构架,编码器采用ResNet34为骨干网,提取路面裂缝特征;在编码器和解码器间加入基于注意力机制的特征模块(attention-basedfeaturemodule,AFM),以利用全局信息和增加对检测不同尺度裂缝的鲁棒性,更好地提取裂缝特征和定位裂缝位置;在解码阶段也引入注意力机制,设计了基于注意力机制的解码模块(attention-baseddecodermodule,ADM),实现对裂缝的准确定位.在公共裂缝数据集CFD和CRACK500上,与U-Net等其他8种方法进行了比较,结果表明, ACNet裂缝检测效果更理想,在主观视觉上,裂缝定位更准确,细节更丰富;在实验指标F1和重合率上,检测结果都有明显提升,说明了该网络的有效性.     

自然环境下路面裂缝的识别

论文提出了一种基于分数阶微分和图像形态学的路面裂缝检测算法.分数阶微分能有效增强信号中、高频部分,非线性保留信号的低频部分,通过构建分数阶微分掩模算子,增强裂缝信息特别是平滑区域中弱信号信息.利用图像形态学算子提取裂缝,通过组合中值滤波去除孤立噪声点.实验结果表明,该算法比传统算法能更有效地检测出细小裂缝信息,是一种具...     

基于图像处理的远距离裂缝检测智能平台开发

为解决传统裂缝检测工作效率低、危险系数高、耗时较长及检测精度低等问题,提出一种大型建筑物远距离裂缝检测智能平台方案,该方案基于深度学习和图像处理建立裂缝检测算法模型,采集图像后上传至云端,以用户终端设备为载体,通过微信小程序和后端服务器的交互获取裂缝相关信息,服务器实现裂缝检测模型的实时检测,裂缝数据存储于云端。经过对算法部分的图像分类模型与图像分割模型进行测试,分类模型精确率、召回率、F值均超过92%,分割模型平均交并比MIoU超过89%,满足检测需要。经验证该方案切实可行。     

基于局部纹理特征的沥青路面裂缝检测方法

针对不均匀光照和阴影等因素影响沥青路面图像中裂缝检测误识别问题,提出一种基于局部纹理特征的沥青路面裂缝检测方法.设计结构保持型Retinex算法将高频的纹理信号从低频光照信号和结构型纹理中分离,改进百分比阈值算法,获取高信噪比的裂缝区域二值图像,建立高置信裂缝段的特征匹配机制,利用圆形度、面积、不同置信裂缝的类间欧氏距...     

基于DSP的沥青路面裂缝图像处理系统研究

裂缝的检测是公路养护的重要工作之一,在分析沥青路面图像特点的基础上,研究设计了基于DSP的沥青路面裂缝图像处理系统,结合DSP技术给出了解决沥青路面裂缝图像处理系统中DSP图像采集部分问题的方法,完成了对裂缝的面积、周长、类型、长度、平均宽度,裂缝的百分比等主要参数的提取.通过采用该图像采集系统进行的大量野外实验,对在车辆高速行驶状态下采集到的连续图像的效果进行比较分析以及处理,最后结果表明了该图像采集与处理系统设计的可行性和实用性.     

基于图像分析的飞机蒙皮裂纹检测

为实现飞机蒙皮裂纹的自动检测，在通过云台搭载长焦成像系统进行扫描成像的基础上，研究蒙皮图像处理与裂纹参数提取算法。针对飞机蒙皮图像的特点，首先通过光照一致化、自适应灰度拉伸、分区大津（OTSU）法阈值分割等处理得到裂纹的二值化图像；然后利用连通域的面积、矩形度等特征剔除块噪声；在去噪的基础上，对二值化图像中的裂纹部分进行细化、去毛刺等操作，并通过去节点获取各条裂纹枝干；最后以枝干像素为索引，逐点跟踪获取各条裂纹枝干的长度、平均宽度、最大宽度、起点坐标、终点坐标、中心坐标、裂纹走向及数目等信息并由检测软件输出裂纹检测报告。实验结果表明，所提方法可有效检测宽度大于1 mm的蒙皮表面裂纹，为飞机机身和机翼蒙皮表面裂纹的自动检测提供了一种可行手段。     

基于数字图像处理技术的实时检测系统*

基于在线检测系统与图像处理算法的研究,提出了一种适用于在线检测的快速胶片弊病检测算法。采用了红外光对胶片成像,并通过CCD相机采集图像信号送入计算机,通过平滑滤波、边缘提取及累加判别等处理技术,实现了对胶片弊病的识别与检测。现场调试运行表明,在卷片机车速2070 m/min的条件下,该系统运行稳定,对于黑白胶片的各种典型弊病能够正确检测,并能忽略掉胶片上可以接受的微小瑕疵,满足了实际生产的需要。     

基于视频图像处理的交通事件检测系统

针对目前公路事件发生后不能及时有效检测与报警、事故处理延迟等不足,研究开发了一种基于视频图像处理的交通事件检测系统。利用计算机视觉与数字图像处理技术,对设置在公路上的摄像头采集的视频图像,进行事件检测算法智能处理,自动采集各种交通参数,检测交通事件并及时报警,可有效地减少交通延误,防止二次事件发生,保障道路安全。与传统交通事件检测系统相比,具有直观方便、费用低等优点,拥有良好的市场需求和实用价值。     

基于图像的墨头检测及其应用

提出将图像处理应用于墨头检测中,通过对实时采集的墨滴图像进行图像处理,提取特征信息,实现对墨头产品质量进行定量的检测的新思路,并与以往的产品检测方法进行比较,实验结果优于后者。基于图像的墨头检测的研究可以帮助墨头生产厂家检测质量和改善设计;方便数码印花的用户检测墨头质量,提高数码印花的满意率;方便墨水生产厂家更好地改善墨水的性能。     

用于带阴影路面图像增强的处理方法

在路面图像的自动采集过程中,由于车架本身、树及山的影子等的影响,在采集到的道路路面图像中经常存在阴影,严重影响图像的自动识别和分类处理。针对这一问题,提出了一种消除路面图像阴影的方法。该方法是基于差分阈值建立图像背景,得到近似的光照背景模型,然后利用此光照背景模型消除路面图像的阴影,为图像的后续识别处理提供了良好的基础。通过对一带阴影的路面图像的处理过程的描述,分析了基于差分阈值消除路面图像阴影算法的合理性并验证了它的效果。但是,论文主要讨论的是车架等较规整的阴影消除,而对象树叶之类形成的分布范围广、形状不规整的阴影的处理还有待进一步完善。     

基于可见光视觉图像的路面裂缝识别深度学习方法述评

基于可见光视觉图像的表面裂缝识别为非接触式,不受被测对象材质限制,可在线自动检测,具有速度快、成本低和精度高等优势。首先较为全面地搜集了典型的路面裂缝公开数据集,整理归纳了样本特征及其随机可变影响因素,并比较了传统手工设计特征工程、机器学习和深度学习3种主要裂缝识别方法的优缺点。然后,从网络架构、性能和效果方面着重评述了自搭架构、迁移学习和编码-解码器等易于训练和部署的深度学习算法新进展,通过算法优化和算力提升可显著提高识别的效果和性能,测试结果表明能够在低算力平台上实现裂缝补丁级快速检测和像素级实时检测。