论文摘要
裂缝是路面表面的重要病害之一。传统的裂缝检测依赖于人工的视觉检查,在实际操作中费时费力。虽然传统的图像处理技术在一定程度上可使裂缝检测与分割更加自动化,但是图像处理技术易受到由光照、模糊等引起的一些噪声的影响。为了完成复杂环境下对路面裂缝的分割及检测,提出了一种基于改进的全卷积神经网络(Fully Convolutional Networks,FCN)的分割方法,根据建立的数据集训练传统FCN和优化后的FCN,测试结果表明其平均交并比(mean_IoU)得到了一定的提高,故该方法能够较准确地分割出路面裂缝。
论文目录
文章来源
类型: 期刊论文
作者: 翁飘,陆彦辉,齐宪标,杨守义
关键词: 裂缝检测,图像处理,全卷积网络,平均交并比
来源: 计算机工程与应用 2019年16期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,自动化技术
单位: 郑州大学信息工程学院,深圳市大数据研究院
基金: 河南省技术创新引导专项(No.182106000027),深圳市海外高层次人才资金(No.KQTD2015033114415450)
分类号: U418.6;TP183
页码: 235-239+245
总页数: 6
文件大小: 2034K
下载量: 785