作者:李良福; 高小小裂缝检测脉冲耦合神经网络感兴趣区域
摘要:裂缝图像中裂缝的像素信息在整张图像中所占比例较小,故大量无用的信息在训练时被学习,且裂缝结构细长而分布随机无规律,仅靠少量的数据样本对神经网络进行训练,往往使得训练好的神经网络性能不佳,出现识别错误的情况。针对上述问题,提出一种基于脉冲耦合神经网络的桥梁裂缝检测方法。首先将图像输入到裂缝信息筛选系统中进行处理;随后对筛选结果进行K-Means聚类操作,提取包含裂缝位置信息的感兴趣区域;最后使用改进的脉冲耦合神经网络进行检测。实验结果表明,文中的方法在锁定裂缝的局部位置信息后再检测,一定程度上降低了其他障碍物对裂缝信息的干扰,使文中整个裂缝检测系统具备更强的抗干扰能力,且在较短的时间内准确的识别裂缝。与传统的裂缝检测方法相比,文中方法在保证识别精度的情况在具有时耗更短。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社