RoadNN

识别裂缝

《One Application of Neural Networks for Detection of Defects using Video Data Bases: Identification of Road Distresses》 主要是预处理部分：从阈值到像素组合成object；NN只是用来分类纵横裂纹。

由于图片中不同位置的背景路面的灰度不尽相同, 需要通过局部阈值来提取裂缝； 将图片分割为40*40 pixels的小块，称小块的灰度平均值为$m$、灰度标准差为$\sigma$， $<span class="arithmatex"><span class="MathJax_Preview">e=\frac {\sum{e_c}\times v}{\sum e_c}</span><script type="math/tex">e=\frac {\sum{e_c}\times v}{\sum e_c}$ $e_c$为小块内每个像素与它邻近像素的最大偏差值，$v$为中央像素的值； 使用两个阈值： $$ \begin{aligned} v_1=\min(m-a_1 \times \sigma,a_2 \times e)\ v_2=\min(m-b_1 \times \sigma,b_2 \times e) \end{aligned} $$ 系数$<span class="arithmatex"><span class="MathJax_Preview">a_1, a_2, b_l, b_2</span><script type="math/tex">a_1, a_2, b_l, b_2$根据经验设置; $v_1$用于选择暗像素，$v_2$用于选择黑色或很暗的像素。

$<span class="arithmatex"><span class="MathJax_Preview">neighborhood=d\times \frac a{size_1 \times size_2}</span><script type="math/tex">neighborhood=d\times \frac a{size_1 \times size_2}$ 根据距离聚合像素，组成object：

之后对裂缝类型进行分类：纵、横、龟裂

评论

作者: Rowl1ng