一种改进的路面裂缝图像分割方法

作者：卢印举; 段明义^*; 李祖照; 苏玉

来源：科学技术与工程, 2020, 20(26): 10815-10821.

• 裂缝图像
• 全局K-Means
• 高斯混合模型
• EM算法

针对公路裂缝检测中的图像分割问题,运用机器学习领域的方法,以裂缝图像为研究对象,在深入分析经典K-Means聚类算法以及高斯混合模型(Gaussian mixture model, GMM)之后,提出一个利用全局K-Means和高斯混合模型来对公路裂缝图像进行分割的方法。在全局K-Means聚类算法的基础上,采用改进策略,同时,将传统GMM的每一个概率分布进一步再细分成单个的概率成分,在辅助变量计算过程中采用期望最大化(expectation maximization, EM)算法。仿真图像和实际裂缝图像实验结果显示,研究得到了比使用传统K-Means算法和普通GMM的分割方法精度更高、稳定性更好的分割结果。

• 单位
  广西交通科学研究院有限公司; 郑州工程技术学院