基于多特征流形学习和矩阵分解的路面裂缝检测

发布时间：2017-12-29 13:00

  本文关键词：基于多特征流形学习和矩阵分解的路面裂缝检测　出处：《仪器仪表学报》2016年07期 　论文类型：期刊论文

  更多相关文章： 裂缝检测 流形学习 多特征融合 矩阵分解

【摘要】：针对单一属性特征的路面裂缝检测方法无法从复杂背景噪声中准确提取裂缝信息的缺陷,提出一种结合多特征流形学习和矩阵分解的路面裂缝检测算法。该算法首先根据路面裂缝子块的统计、形状和纹理特性抽取多重属性特征并构造多个流形正则项,将流形正则项嵌入于矩阵分解的目标函数中,采用交替迭代法在统一框架下实现裂缝子块降维和多特征自适应融合。为进一步提高聚类准确率,对路面裂缝图像采用各向异性算法增强得到少量有效样本标签,实现算法的半监督扩展。在公开数据集(Crack IT)和实际采集的沪宁高速(HN)路面图像库上的实验结果表明,该算法可以有效提高路面裂缝识别率,验证了算法的有效性。
[Abstract]:......
【作者单位】： 南京理工大学计算机科学与工程学院;
【基金】：中国博士后科学基金(2014M551599) 江苏省自然科学基金(BK20140794)项目资助
【分类号】：U418.66
【正文快照】： 1引言路面裂缝检测是智能交通领域的重要组成部分,定期对路面病害状况进行准确评估对于改善路面行车安全、减少经济损失具有重要实用意义[1]。传统的人工实地观测丈量的检测方法耗时耗力,不适合对路面裂缝进行系统的信息评估。近年来,采用计算机进行图像分析的路面裂缝检测技，

本文编号：1350356