基于Mask R-CNN与改进Criminisi的沥青路面车道线移除方法

摘要：

在对沥青路面病害图像进行自动分类时,含车道线的图像数量较多易造成干扰.为此,提出一种车道线移除方法以降低其对分类的影响,首先基于Mask R-CNN网络训练出复杂背景下车道线区域的检测模型,通过该模型自动获取车道线区域mask;然后利用mask将车道线区域全部移除得到破损图像;最后用改进的Criminisi图像修复方法对破损图像进行样本块填充.实验表明,采用Mask R-CNN方法对400张不同环境下的路面图像进行检测,其漏检率和误检率分别为0.50％和7.87％.在保证图像修复质量的基础上,改进的Criminisi方法在修复速度上比改进前提升约4～5倍.同等条件下,采用VGG分类模型对比验证,经该算法移除车道线后的新数据集表现更优.

关键词：车道线检测、MaskR-CNN、目标移除、Criminisi、沥青路面

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：重庆市科委民生重点项目cstc2015shms

在线出版日期：2019-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：600-607