針對(duì)路面裂縫自動(dòng)檢測(cè)難題,提出一種基于布谷鳥搜索的路面裂縫圖像檢測(cè)算法。首先,將RGB彩色圖像轉(zhuǎn)換到HSV空間,并用全變差模型對(duì)V分量去噪。然后利用直方圖計(jì)算圖像的初始聚類中心,將其作為搜索域約束進(jìn)行布谷鳥算法迭代。最后利用K均值計(jì)算新的聚類中心,更新當(dāng)前的鳥窩位置,得到最優(yōu)圖像分割閾值。試驗(yàn)結(jié)果表明:提出的算法去噪能力強(qiáng),分割效果好,能很好地提取路面裂縫,性能優(yōu)于Otsu算法。 

【文章來源】：傳感器與微系統(tǒng). 2019,38(08)CSCD

【文章頁數(shù)】：4 頁

【部分圖文】：

圖像直方

‖22+λ2‖dy－Δyu－by‖22(8)式中‖dx，dy‖2=∑i，jd2x，i，j+d2y，i，槡j，bx，by為輔助變量。u通過Gauss-Seidel方法迭代求解，dx，dy通過廣義收縮公式求解。對(duì)圖2進(jìn)行TV濾波處理，得到濾波結(jié)果，如圖3所示。TV濾波算法很好地去除了大部分噪聲，為圖像分割奠定了良好的基礎(chǔ)。圖3TV濾波2．3直方圖峰值為得到初始聚類中心，對(duì)圖像直方圖進(jìn)行統(tǒng)計(jì)。如圖4所示，圖4(a)為粗裂縫直方圖，像素值低的像素?cái)?shù)目較多;圖4(b)為細(xì)裂縫直方圖，低像素值的像素?cái)?shù)較少。設(shè)定初始聚類中心范圍，0＜C0?50，100＜C1?250。圖4圖像直方圖2．4CS-K均值算法算法流程為:1)初始化鳥窩規(guī)模、最大迭代次數(shù)、設(shè)定鳥窩位置搜索范圍等參數(shù)。2)利用初始搜索范圍合理設(shè)定初始聚類中心，將其結(jié)果設(shè)定為一個(gè)初始解，其他鳥窩位置初始解在設(shè)定域內(nèi)隨機(jī)產(chǎn)生。3)根據(jù)式(5)計(jì)算各像素到初始聚類中心的距離，并將其作為鳥窩位置的目標(biāo)函數(shù)適應(yīng)值。4)根據(jù)式(3)、式(4)，更新鳥巢位置，并對(duì)位置進(jìn)行限幅處理，按照目標(biāo)函數(shù)(4)重新計(jì)算各位置的目標(biāo)函數(shù)值，根據(jù)式(6)更新聚類中心。5)對(duì)每個(gè)鳥窩位置，比較當(dāng)前評(píng)價(jià)函數(shù)值和其歷史最好的適應(yīng)值，保存最優(yōu)解;比較群體所有鳥窩位置的適應(yīng)度值與全局歷史最好值的大小，將最優(yōu)解作為當(dāng)前全局歷史最好適應(yīng)值。6)滿足停止條件，輸出結(jié)果，否則繼續(xù)搜尋。最后根據(jù)式(7)計(jì)算分割閾值，進(jìn)行圖像分割。利用改進(jìn)的布谷鳥—K均值算法對(duì)圖3

【參考文獻(xiàn)】：
期刊論文
[1]基于似物性判別的視覺目標(biāo)檢測(cè)方法[J]. 毛玉仁,郭松,鄭陽明,林華.  傳感器與微系統(tǒng). 2017(11)
[2]自適應(yīng)步長布谷鳥搜索算法[J]. 李榮雨,戴睿聞.  計(jì)算機(jī)科學(xué). 2017(05)
[3]全變差噪聲消除問題的半光滑牛頓法[J]. 王滿,文有為,陳智斌.  激光技術(shù). 2017(02)
[4]基于分?jǐn)?shù)階偏微分的路面裂縫圖像增強(qiáng)新模型[J]. 洪曉江.  公路交通科技. 2016(12)
[5]基于目標(biāo)減背景法的路面三維裂縫識(shí)別方法[J]. 袁夢(mèng)霞,孫朝云.  中外公路. 2015(05)
[6]路面裂縫圖像自動(dòng)識(shí)別算法綜述[J]. 彭博,蔣陽升,韓世凡,羅楠欣.  公路交通科技. 2014(07)
[7]基于圖像處理技術(shù)的混凝土路面裂縫檢測(cè)方法[J]. 郭全民,張海先.  傳感器與微系統(tǒng). 2013(04)



本文編號(hào)：3244868