基于t分布混合模型改进的路面裂缝图像分割方法

摘要：

为提高路面裂缝图像分割的准确性与鲁棒性,以学生t分布混合模型(Student'st—distribution Mixture Model,TMM)代替传统高斯混合模型(Gaussian Mixture Model,GMM),提出一种基于学生t分布混合模型的路面裂缝图像分割方法.所提出方法首先利用K—Means算法来进行初次图像分割.为克服K—Means算法的缺点,以烟花算法(Fireworks Algorithm,FA)运行结果作为K—Means算法初始聚类中心.然后,运行K-Means算法进行初次分割,以此结果作为TMM参数求解的初始值,执行最大期望算法(Expectation—Maximization algorithm,EM),通过交替运行E步和M步,获得模型最终参数值,借助于贝叶斯公式,完成最终图像分割.最后,通过仿真图像和实际图像验证,结果表明该方法分割精度更高、稳定性更好.

关键词：道路工程、裂缝图像、K-Means、学生t分布混合模型、烟花算法

所属期刊栏目：66

分类号：U418.66(道路工程)

资助基金：河南省科技攻关计划;河南省高等学校重点科研项目

在线出版日期：2021-05-25（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：40-47