一种基于深度学习的路面裂缝快速识别方法

    公开(公告)号:CN111126505A

    公开(公告)日:2020-05-08

    申请号:CN201911385351.8

    申请日:2019-12-28

    Abstract: 本发明公开了一种基于深度学习的路面裂缝快速识别方法,首先调整现场照片的大小,其次,调整现场图片的曝光。原始的现场照片光照不均匀,必须对不均匀的曝光进行处理才能实现现场图像的遮挡效果。利用基于灰度分布的像素强度值的直方图来拟合灰度像素值的分布。用基于上一步的均值的阈值方法来实现二进制颜色可视化。如果像素值大于阈值,则将其设置为背景。采用基于连接构件的方法使裂缝形状增强。应用连接工具去噪。搜索图中所有连接的对象,并检查裂缝形状的面积。如果裂缝形状的面积小于阈值,则认为是噪声。如果裂缝形状的面积大于阈值,则视为裂缝。最后,调整CNN输入,并应用扩张和侵蚀重新连接裂缝。调整CNN超参数,确定最优CNN框架。

    一种路面裂缝数字图像处理和识别的方法

    公开(公告)号:CN111145161A

    公开(公告)日:2020-05-12

    申请号:CN201911385006.4

    申请日:2019-12-28

    Abstract: 本发明公开了一种路面裂缝数字图像处理和识别的方法,具体实施步骤为:路面裂缝图像预处理;基于匀光算法的图像增强;图像分割;图像后处理;裂缝类型判断和评估。本发明计算出裂缝长度为像素长度。若要获得图像中裂缝的真实长度,应知道一幅图像中裂缝的真实长度和计算出来的像素长度,根据二者比值就计算出其他图像中的裂缝长度,由此将计算出来的长度与实际长度进行对比,从而了解计算精度;根据判断裂缝类型的条件,对处理后的图像进行标记。将输出的标记与原始图像的标记进行对比,从而计算出识别精度。最终,采用本发明方法检测后的精度为87%。

Patent Agency Ranking