一种改进型的PCNN路面裂缝检测方法

摘要：

路面病害的视觉自动检测一直是公路养护研究的热点问题,针对传统脉冲耦合神经网络(PCNN)在路面图像分割中的参数选择以及迭代中最佳分割结果的选择问题,提出通过简化脉冲耦合神经网络的模型,对关键参数自适应以及神经元点火条件的改进,以图中最大的裂缝作外接矩形,在迭代去噪过程中,外接矩形面积大大减小或矩形内部出现更多裂缝,表明出现过分割,利用该特征可以确定迭代中止,取上一次迭代结果,并用连通域分割去除细小噪声.通过受试者工作特征(ROC)曲线分析,该算法在裂缝检测上比基于最大熵的脉冲耦合神经网络分割算法提高8.4％,比基于灰度迭代阈值算法的脉冲耦合神经网络算法提高14.7％,提高了裂缝检测的准确率和抗噪性.

关键词：路面裂缝检测、脉冲耦合神经网络、外接矩形、受试者工作特征曲线

所属期刊栏目：38

分类号：TP317.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;江苏省第11批六大高峰人才项目;江苏省重点研发计划社会发展项目

在线出版日期：2021-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：114-119