留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于几何特征分析的路面裂缝分类算法研究

张采芳 田岩 李江

张采芳, 田岩, 李江. 基于几何特征分析的路面裂缝分类算法研究[J]. 红外与激光工程, 2015, 44(4): 1359-1364.
引用本文: 张采芳, 田岩, 李江. 基于几何特征分析的路面裂缝分类算法研究[J]. 红外与激光工程, 2015, 44(4): 1359-1364.
Zhang Caifang, Tian Yan, Li Jiang. Pavement cracks classification algorithm based on geometry feature analysis[J]. Infrared and Laser Engineering, 2015, 44(4): 1359-1364.
Citation: Zhang Caifang, Tian Yan, Li Jiang. Pavement cracks classification algorithm based on geometry feature analysis[J]. Infrared and Laser Engineering, 2015, 44(4): 1359-1364.

基于几何特征分析的路面裂缝分类算法研究

基金项目: 

湖北省高等学校优秀中青年科技创新团队计划(T201431);地理空间信息工程国家测绘地理信息局重点实验室开放研究基金(201110)

详细信息
    作者简介:

    张采芳(1975-),女,讲师,硕士,主要从事图像处理,模式识别方面的教学和科研工作.Email:wind_cf@163.com

  • 中图分类号: TP751.1

Pavement cracks classification algorithm based on geometry feature analysis

  • 摘要: 道路裂缝是评价公路质量的一个非常重要的指标,不同的裂缝类型关系到不同的危急程度及不同的修补策略的制定.针对高速公路中常见的横向裂缝、纵向裂缝、块状裂缝及龟裂裂缝,提出了一种基于方向及密度特征的路面裂缝分类方法.文中所提方法的主要思想是利用裂缝在方向以及密度分布上的差异性来对裂缝类型进行划分.基本的过程是首先利用方向性特征进行横纵裂缝与块状/龟裂裂缝的提取,其次,根据分布密度特性进一步甄别块状和龟裂裂缝.为了验证文中所提算法的有效性,采用大量实测数据进行测试,通过与其它算法进行对比,结果表明:文中所提方法具有更高的裂缝分类精度.
  • [1]
    [2] Saar T, Talvik O. Automatic asphalt pavement crack detection and classification using neural networks[C]//12th Biennial Baltic Electronics Conference(BEC), 2010, 345-348.
    [3] Li Gang, He Yuyao. A novel image detection and classification for pavement crack under non-uniform illumination[J]. Acta Photonica Sinica, 2010, 39(8): 1405-1408. (in Chinese) 李刚, 贺昱曜. 不均匀光照的路面裂缝检测和分类新方法[J]. 光子学报, 2010, 39 (8): 1405-1408.
    [4]
    [5]
    [6] Gaviln M, Balcones D, Marcos O, et al. Adaptive road crack detection system by pavement classification[J]. Sensors, 2011, 11(10), 9628-9657.
    [7]
    [8] Lihao Hong. Pavement information system: detection, classification and evaluation[D]. USA: The University of Toledo, 2009.
    [9]
    [10] Oliveira H, Correia P L. Automatic road crack detection and characterization[J]. IEEE Transactions on Intelligent Transportation Systems, 2013, 14(1): 155-168.
    [11]
    [12] Zhao Ke. Research on pavement crack image automatic identification system[D]. Xi'an: Chang'an University, 2009. (in Chinese) 赵轲. 路面裂缝图像自动识别系统研究[D]. 西安: 长安大学, 2009.
    [13] Hu Shikun. Research on pavement crack detection algorithom based on digital image processing[D]. Nanjing: Nanjing University of Posts and Telecommunications, 2012. (in Chinese) 胡世昆. 基于数字图像处理技术的路面裂缝检测算法研究[D]. 南京: 南京邮电大学, 2012.
    [14]
    [15]
    [16] Tan Dongjie, Zhang An. Multi-model image registration based on weighted orientation correlation and mutual information[J]. Infrared and Laser Engineering, 2013, 42(3): 836-841. (in Chinese) 谭东杰, 张安. 方向相关与互信息加权组合多模图像方法[J], 红外与激光工程, 2013, 42(3): 836-841.
    [17] R C Gonzalez, R E Woods. Digital Image Processing[M]. Beijing: Publishing House of Electronics Industry, 2003.
  • [1] 倪洪印, 李凤萍.  T-CENTRIST特征的红外图像人体检测 . 红外与激光工程, 2020, 49(S2): 20200423-20200423. doi: 10.3788/IRLA20200423
    [2] 尚超, 陈宝国.  弹载大视场红外线扫图像几何畸变仿真研究 . 红外与激光工程, 2020, 49(2): 0204002-0204002. doi: 10.3788/IRLA202049.0204002
    [3] 盛家川, 陈雅琦, 王君, 韩亚洪.  深度学习结构优化的图像情感分类 . 红外与激光工程, 2020, 49(11): 20200269-1-20200269-10. doi: 10.3788/IRLA20200269
    [4] 陶兆禾, 郑慧茹, 秦柳燕, 廖景荣, 徐媛媛, 王亚伟.  前后向散射特征分析下的白细胞亚型分类识别仿真研究 . 红外与激光工程, 2019, 48(5): 533001-0533001(8). doi: 10.3788/IRLA201948.0533001
    [5] 黄卓, 陈凤东, 刘国栋, 魏富鹏, 彭志涛, 唐军, 刘楠.  连接向量特征匹配的暗场图像配准方法 . 红外与激光工程, 2018, 47(11): 1126005-1126005(6). doi: 10.3788/IRLA201847.1126005
    [6] 薛俊韬, 倪晨阳, 杨斯雪.  特征聚类的局部敏感稀疏图像修复 . 红外与激光工程, 2018, 47(11): 1126001-1126001(9). doi: 10.3788/IRLA201847.1126001
    [7] 张腊梅, 陈泽茜, 邹斌.  基于3D卷积神经网络的PolSAR图像精细分类 . 红外与激光工程, 2018, 47(7): 703001-0703001(8). doi: 10.3788/IRLA201847.0703001
    [8] 刘天赐, 史泽林, 刘云鹏, 张英迪.  基于Grassmann流形几何深度网络的图像集识别方法 . 红外与激光工程, 2018, 47(7): 703002-0703002(7). doi: 10.3788/IRLA201847.0703002
    [9] 陈宇, 温欣玲, 刘兆瑜, 马鹏阁.  稀疏自动编码器视觉特征融合的多弹分类算法研究 . 红外与激光工程, 2018, 47(8): 826004-0826004(8). doi: 10.3788/IRLA201847.0826004
    [10] 侯榜焕, 姚敏立, 贾维敏, 沈晓卫, 金伟.  空谱结构保持的高光谱图像分类 . 红外与激光工程, 2017, 46(12): 1228001-1228001(8). doi: 10.3788/IRLA201746.1228001
    [11] 杨新锋, 胡旭诺, 粘永健.  基于分类的高光谱图像压缩算法 . 红外与激光工程, 2016, 45(2): 228003-0228003(4). doi: 10.3788/IRLA201645.0228003
    [12] 熊兴隆, 刘雯箐, 符超, 蒋立辉.  考虑多次散射的卷云几何特征和光学特性反演方法 . 红外与激光工程, 2015, 44(9): 2734-2741.
    [13] 赵爱罡, 王宏力, 杨小冈, 陆敬辉, 何星.  融合几何特征的压缩感知SIFT描述子 . 红外与激光工程, 2015, 44(3): 1085-1091.
    [14] 杨绪峰, 林伟, 延伟东, 温金环.  采用热核特征的SAR图像目标识别 . 红外与激光工程, 2014, 43(11): 3794-3801.
    [15] 何林阳, 刘晶红, 李刚, 刘剑.  改进BRISK特征的快速图像配准算法 . 红外与激光工程, 2014, 43(8): 2722-2727.
    [16] 张东彦, 赵晋陵, 黄林生, 马雯萩.  用于高光谱图像分类的归一化光谱指数的构建与应用 . 红外与激光工程, 2014, 43(2): 586-594.
    [17] 杨新锋, 滕书华, 夏东.  基于空间变换迭代的SIFT特征图像匹配算法 . 红外与激光工程, 2013, 42(12): 3496-3501.
    [18] 秦玉华, 丁香乾, 宫会丽.  高维特征选择方法在近红外光谱分类中的应用 . 红外与激光工程, 2013, 42(5): 1355-1359.
    [19] 张佳栋, 李娜, 赵慧洁, 李旭东, 徐秋.  采用SIFT特征的高光谱数据自动几何精校正 . 红外与激光工程, 2013, 42(9): 2414-2420.
    [20] 何莲, 蔡敬菊, 张启衡.  改进的基于弦切变换的目标检测方法 . 红外与激光工程, 2012, 41(1): 239-247.
  • 加载中
计量
  • 文章访问数:  211
  • HTML全文浏览量:  42
  • PDF下载量:  187
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-08-05
  • 修回日期:  2014-09-15
  • 刊出日期:  2015-04-25

基于几何特征分析的路面裂缝分类算法研究

    作者简介:

    张采芳(1975-),女,讲师,硕士,主要从事图像处理,模式识别方面的教学和科研工作.Email:wind_cf@163.com

基金项目:

湖北省高等学校优秀中青年科技创新团队计划(T201431);地理空间信息工程国家测绘地理信息局重点实验室开放研究基金(201110)

  • 中图分类号: TP751.1

摘要: 道路裂缝是评价公路质量的一个非常重要的指标,不同的裂缝类型关系到不同的危急程度及不同的修补策略的制定.针对高速公路中常见的横向裂缝、纵向裂缝、块状裂缝及龟裂裂缝,提出了一种基于方向及密度特征的路面裂缝分类方法.文中所提方法的主要思想是利用裂缝在方向以及密度分布上的差异性来对裂缝类型进行划分.基本的过程是首先利用方向性特征进行横纵裂缝与块状/龟裂裂缝的提取,其次,根据分布密度特性进一步甄别块状和龟裂裂缝.为了验证文中所提算法的有效性,采用大量实测数据进行测试,通过与其它算法进行对比,结果表明:文中所提方法具有更高的裂缝分类精度.

English Abstract

参考文献 (17)

目录

    /

    返回文章
    返回