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
