一种基于Spark的公路裂缝图像处理方法

摘要：

随着公路修建里程增长,为了更高效率地解决路面养护问题,对路面裂缝检测技术进行研究.论文将传统的图像分割处理与Spark结合,提出了一种基于Spark的路面裂缝图像分割处理方法.先将图像预处理转化为二进制文件,读入到分布式文件系统;然后通过传递函数,对裂缝进行图像分割来获得裂缝区域;最后,以局部自适应阈值算法结合Spark平台来进行图像的并行处理,完成裂缝的高效率提取.以在校园拍摄的路面图像数据为实验数据,分别在处理时间和检测准确率这两方面进行实验.由结果可知:利用Spark对数千张图像数据进行计算时,在确定千余张图像数据规模时,双节点比单节点处理时间更少,最多减少了20.4％.在图像分割的准确率方面,已经由之前方法的47.5％提高到了86.3％.实验结果表明,基于Spark的裂缝图像处理,结合局部自适应阈值分割算法进行数千张裂缝图像分割,能有效提升传统方法的处理效率,能实现大规模图像的并行处理.

关键词：公路裂缝图像处理、Spark、并行处理、大数据、局部自适应阈值分割

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1795-1801