-
题名基于高斯尺度空间和SVM的桥梁裂缝检测研究
被引量：11
- 1
-
-
作者
刘立峰
武奇生
姚博彬
-
机构
长安大学电子与控制工程学院
-
出处
《工业仪表与自动化装置》
2019年第1期13-16,114,共5页
-
基金
中央高校基本科研业务费团队(310832173701)
-
文摘
针对现有的桥梁裂缝检测及分类算法在光照不均匀条件下,存在检测精度不高、分类效果不理想的问题,提出了一种基于高斯尺度空间与支持向量机(sopport vector machine,SVM)多分类器相结合的桥梁裂缝检测及分类算法。该文对待处理裂缝图像进行预处理,消除噪声干扰;通过裂缝图像与二维高斯函数进行卷积运算来创建高斯尺度空间,在高斯尺度空间下估计背景,利用背景差法消除光照干扰,进而提取出具有区分度的裂缝图像特征向量;利用SVM多分类器进行桥梁裂缝分类。实验结果表明所提出的算法具有较高的分类精度。
-
关键词
桥梁裂缝分类
高斯尺度空间
背景差
支持向量机(SVM)
-
Keywords
bridge crack classification
Gaussian scale space
poor background
support vector machine(SVM)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于稀疏编码的桥梁路面裂缝分类方法研究
- 2
-
-
作者
李良福
高小小
孙瑞赟
陆铖
-
机构
陕西师范大学计算机科学学院
-
出处
《轻工学报》
CAS
2018年第3期66-74,共9页
-
基金
国家自然科学基金项目(61573232
61201434
61401263)
-
文摘
针对桥梁安全和维护问题,提出了一种基于稀疏编码的桥梁路面裂缝分类方法.该方法从网上随机下载图片数据集作为训练集,减少人工标记的工作量,再用相机采集周围的桥梁路面裂缝图片作为测试集和验证集,针对这些高分辨率图像,采用改进的白化主成分分析进行降维,加速特征学习;针对裂缝图像特点,结合自学习算法,从大量未标识的数据集中提取尺度不变特征,经过改进的稀疏编码表示得到特征字典,并用空间金字塔进行池化;最后用线性支持向量机分类器进行分类.验证结果表明,与其他方法相比,本算法获得的分类准确率更高.
-
关键词
桥梁路面裂缝
分类算法
深度学习
白化主成分分析
尺度不变特征
稀疏编码
-
Keywords
bridge floor crack
classification method
deep learning
whitening principal components analysis
scale invariant feature transform
sparse coding
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
