10.11857/j.issn.1674-5124.2018.04.021
基于先验知识MinMax k-Means聚类算法的道路裂缝研究
在多种公路病害中,经常造成重大工程事故和经济问题的裂缝引起较大关注.公路路面图像通常包含各种物体,例如油渣、污垢、车道标记、植被碎片和其他非路面伪像,因此需要从杂乱的背景中区分裂缝,增加裂缝检测难度.为解决上述问题,提出基于先验知识的MinMax k-Means算法进行裂缝检测.该算法在聚类过程中分配与簇内方差大小成正比的可自动修正的权重,并引入先验知识以处理聚类结果对聚类中心初始位置敏感问题.除此之外,预处理采用含裂缝图像块的均值比不含裂缝的均值小的方法预标记图像块,并从垂直和水平两个方向扫描均值矩阵,大大提升聚类结果的准确性.使用相同样本,将所提算法与标准k-Means算法比较,可知所提算法有更好的准确性和有效性.
路面裂缝检测、先验知识、MinMaxk-Means、特征提取
44
河北省科技计划项目16210315D;国家智慧城市2014年度智慧工地专项试点项目建办科[2015]15号
2018-06-07（万方平台首次上网日期，不代表论文的发表时间）
共6页
112-117
