[发明专利]一种基于双尺度聚类算法的路面裂缝识别算法及系统有效
申请号: | 201410787530.5 | 申请日: | 2014-12-17 |
公开(公告)号: | CN104636750B | 公开(公告)日: | 2018-09-21 |
发明(设计)人: | 李伟;沙爱民;孙朝云;呼延菊;郝雪丽;赵海伟;苏瑜;谢磊金;邵娜娜;王瑶;王翠 | 申请(专利权)人: | 长安大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 西安恒泰知识产权代理事务所 61216 | 代理人: | 李郑建;王芳 |
地址: | 710064 陕西省*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 路面裂缝 裂缝区域 聚类 二值化图像 聚类算法 尺度 复杂度 椭圆 算法 裂缝 矩阵 三维图像数据 计算机读取 数学表达式 从上到下 模型构建 人工参与 输入采集 数据处理 数据矩阵 搜索算法 算法检测 线性拟合 八邻域 数据局 外接 扫描 检测 研究 | ||
1.一种基于双尺度聚类的路面裂缝识别方法,其特征在于,包括如下步骤:
步骤1:计算机读取三维图像数据矩阵,对三维图像数据矩阵进行滤波处理得到滤波后的三维图像数据矩阵,然后将其转换成灰度图像,并对该灰度图像使用Otsu算法进行二值化处理,得到二值化图像;
步骤2:按照从上到下、从左到右的顺序,采用八邻域搜索算法扫描步骤1得到的二值化图像对应的数据矩阵,得到标记后的裂缝区域,并对每个裂缝区域使用最小外接椭圆进行表征;所述步骤2具体包含如下步骤:
步骤21:按照从上到下、从左到右的顺序扫描滤波后的二值化图像对应的数据矩阵;依次以每个数据点作为中心,判断中心点的八邻域是否均为裂缝点,如果是,则八邻域范围内的点属于以该数据点为中心点的基本单元区域,并将每个基本单元区域顺次编号,每个基本单元区域均作为裂缝区域;
步骤22:对编号i的裂缝区域中的所有数据点进行线性拟合,得到拟合直线其中,i=1,2,3…;ni为编号i的裂缝区域包含的数据点个数;求出该裂缝区域在对应的拟合直线上截取的线段长度,记为ai;然后计算该裂缝区域内所有数据点到对应的拟合直线的距离,将距离的最大值记为bi,计算ai与水平方向的夹角,记为θi;
步骤23:将每个裂缝区域的参数ai、bi和θi分别作为对应的椭圆的长轴、短轴以及偏转角度,得到每个裂缝区域对应的最小外接椭圆;
步骤3:在裂缝区域对应的椭圆,使用双尺度聚类算法进行裂缝聚类,得到聚类后的裂缝区域;所述步骤3具体包含如下步骤:
步骤31:对于步骤2得到的所有裂缝区域,选取裂缝区域对应的最小外接椭圆中长轴最长的椭圆的中心作为当前聚类中心;
步骤32:选取当前聚类中心对应的裂缝区域之外的所有裂缝区域中编号最小的裂缝区域所在的最小外接椭圆,将其作为待聚类目标;
步骤33:计算待聚类目标的中心到当前聚类中心的距离以及两中心的水平夹角差;
步骤34:判断步骤33得到的距离以及水平夹角差是否满足如下准则函数,若不满足,则转至步骤37,如果满足,则执行步骤35;
准则函数:J=(a0<O0Oi)&&(Δθoi<δ1)
其中,a0为当前聚类中心的所代表的最小外接椭圆的长轴长,O0Oi为待聚类目标的中心到当前聚类中心的距离,Δθoi为待聚类目标与当前聚类中心的水平夹角差,δ1为正常数,取0~45°;
步骤35:将该待聚类目标归为当前聚类中心所在的类,将该类中包含的所有椭圆使用一个新的最小外接椭圆进行表征,计算该新的最小外接椭圆的中心、长轴、短轴以及偏转角,并将该新的最小外接椭圆的中心作为当前聚类中心;
步骤36:判断是否还有未归类的裂缝区域,若有,则继续选取下一个最小编号代表的最小外接椭圆作为待聚类目标,并返回步骤33;若没有,执行步骤38;
步骤37:将当前聚类中心归为一新类,返回31,否则,执行步骤38;
步骤38:结束;
步骤4:使用聚类后的裂缝区域所在的最小外接椭圆作为路面裂缝。
2.如权利要求1所述的基于双尺度聚类的路面裂缝识别方法,其特征在于,所述步骤1中,对三维图像数据矩阵进行滤波处理采用中值滤波算法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长安大学,未经长安大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410787530.5/1.html,转载请声明来源钻瓜专利网。