一种改进的桥梁裂缝图像分割方法

摘要：

裂缝是桥梁最常见的缺陷,裂缝检测是后期桥梁维护和维修的前提.准确高效地对采集到的桥梁裂缝图像进行分割识别,具有重要的实际意义.传统图像分割方法具有运行速度慢、效率低下、鲁棒性低及稳定性低等缺点,针对这些问题,以裂缝图像为研究对象,在深入分析经典K-means聚类算法以及高斯混合模型(Gaussian Mixture Model,GMM)的基础上,运用数据挖掘的方法,提出一个K-means与高斯混合模型相结合的桥梁裂缝图像分割方法.首先,该方法在传统K-means算法聚类中心计算过程中引入合并阶段,在对各个聚类中心两两之间距离进行排序后,根据各个聚类中心点的距离来判断是否进行聚类的合并,对于合并后的聚类,重新计算其聚类中心,以提高K-means算法执行的速度.其次,将传统GMM的每一个概率分布进一步再细分成单个的概率成分,进行分层混合,以此来进一步提高高斯模型对裂缝图像特征数据模拟的效果.最后,在辅助变量计算过程中采用EM算法,通过计算期望和最大化两个步骤来最终获得变量的最优解.结果表明:该方法可得到比使用传统K-means算法和普通GMM的分割方法精度更高、稳定性更好的分割结果;在误分率、信噪比以及用时方面,该算法都有良好的表现,能够满足桥梁裂缝检测实时性、准确性以及鲁棒性等方面的要求,具有一定的应用价值.

关键词：桥梁工程、图像分割、K-means、高斯混合模型、EM算法

所属期刊栏目：37

分类号：U446.2;TP391(桥涵工程)

资助基金：河南省科技攻关计划项目;河南省高等学校重点科研项目

在线出版日期：2020-12-03（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：63-70