删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

基于图像高维特征压缩映射的混凝土表面裂缝检测算法

本站小编 Free考研考试/2021-12-21
本文二维码信息
二维码（扫一下试试看！）
基于图像高维特征压缩映射的混凝土表面裂缝检测算法
Concrete Crack Region Detection Based on High-Dimensional Image Feature Compressed Sensing
投稿时间：2018-05-30
DOI：10.15918/j.tbit1001-0645.2019.04.003
中文关键词:裂缝检测高维特征特征提取压缩映射最小二乘支持向量机
English Keywords:crack detectionhigh-dimensional featurefeature extractioncompressed sensingleast square support vector machine
基金项目:国家重点研发计划（2016YFB1200401-107，2016YFC0802207）；国家自然科学基金资助项目（51808358）；河北省教育厅基金重点项目（ZD2017070）；河北省自然科学青年基金资助项目（E2017210113）；中国博士后科学基金面上资助项目（2017M621100）；河北省大型基础设施防灾减灾协同创新中心项目；石家庄铁道大学大学生创新创业训练项目（201810107127）
作者单位
王保宪石家庄铁道大学 大型结构健康诊断与控制研究所, 河北, 石家庄 050043
王哲石家庄铁道大学 电气与电子工程学院, 河北, 石家庄 050043
张宇峰石家庄铁道大学 电气与电子工程学院, 河北, 石家庄 050043
赵维刚石家庄铁道大学 大型结构健康诊断与控制研究所, 河北, 石家庄 050043
李义强石家庄铁道大学 大型结构健康诊断与控制研究所, 河北, 石家庄 050043
王凯石家庄铁道大学 电气与电子工程学院, 河北, 石家庄 050043
摘要点击次数:926
全文下载次数:565
中文摘要:
在复杂背景下，基于单一朴素特征表示的混凝土裂缝检测算法易受光照、背景杂波的干扰.利用多种图像区域特征描述子可以提取混凝土图像区域大量丰富的纹理特征，取得良好的裂缝病害检测效果.然而高维度的图像区域特征向量给后续的裂缝分类检测过程带来巨大的存储与计算负担.针对此问题，提出一种基于图像高维特征压缩映射的混凝土表面裂缝检测算法.基于Johnson-Lindenstrauss引理，本文算法可以利用较少的区域特征向量获得关于裂缝与非裂缝区域具有良好区分度的特征描述.在高维特征压缩映射的基础上，进一步利用最小二乘支持向量机快速准确地判断出裂缝与非裂缝样本.通过在实际采集的混凝土图像数据集上进行测试验证，本文算法的训练效率比高维样本模型训练快150多倍，同时裂缝病害区域检测准确率为90.3%、召回率为91.2%，优于其他对比裂缝检测算法.
English Summary:
With the simple and naive feature representation, the concrete crack region detection is sensitive for the illumination and background disturbances. Through multifold image region feature extraction models, massive and rich texture features of image region can be obtained, thereby leading to a better crack detecting accuracy. However, with the high dimensional features, the resultant crack region detection would be suffered from a huge data storage and computational burden. To address this problem mentioned above, a novel crack region detector based on high dimensional image feature compressed sensing was presented. Specifically, based upon Johnson-Lindenstrauss lemma, a good discrimination between crack and non-crack region samples can be achieved using a fewer compressed region features. Then, least square support vector machine was utilized for efficiently separating the compressed crack features and non-crack ones. Plenty experiments on practically collected concrete images demonstrate that the training efficiency of developed crack detector is more than 150 times faster than that of high-dimensional features. Meanwhile, our crack region detecting accuracy is 90.3%, and the crack detecting recall rate can reach 91.2%, which is superior to other compared crack detection methods.
查看全文查看/发表评论下载PDF阅读器
相关话题/石家庄铁道大学 河北 图像 电气与电子工程学院 混凝土

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.