1. RoadNN

1.1. 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mm、灰度标准差为σ\sigmae=ec×vece=\frac {\sum{e_c}\times v}{\sum e_c} ece_c为小块内每个像素与它邻近像素的最大偏差值,vv为中央像素的值; 使用两个阈值: v1=min(ma1×σ,a2×e)v2=min(mb1×σ,b2×e) \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a1,a2,bl,b2a_1, a_2, b_l, b_2根据经验设置; v1v_1用于选择暗像素,v2v_2用于选择黑色或很暗的像素。

neighborhood=d×asize1×size2neighborhood=d\times \frac a{size_1 \times size_2} 根据距离聚合像素,组成object:

object.png-75.7kB

之后对裂缝类型进行分类:纵、横、龟裂

crack1.png-150.1kB crack2.png-326.1kB

results matching ""

    No results matching ""