《表1 特征向量:基于高斯尺度空间和SVM的桥梁裂缝检测研究》
为了对裂缝图像进行特征提取,构造4种方向的滤波模板对同一幅图进行滤波,滤波模板如图5所示。图中的4种滤波模板对同一幅图像进行滤波时会产生不同的结果,只有滤波模板的方向和图像中裂缝的方向相同时响应才会最强。文中把这4个方向的滤波器构成滤波器组,使用滤波器组对桥梁裂缝图像进行滤波。对每个方向滤波器的滤波结果进行统计,响应最强的滤波器记1,其他记0,最终计算每个方向的滤波器记1的次数所占的百分比。4个方向的滤波器会得到4个数据,这4个数据组成一幅裂缝图像的特征向量。选取4个类别(4种方向裂缝图像)的桥梁裂缝图像共400张,裂缝图像数据集部分来源于实地拍摄,部分来源于网络。每个类别100张,先通过预处理和高斯尺度空间算法获得可以进行特征提取的裂缝图像,然后400张图片按照上述算法提取特征,得到特征向量。表1为其中随机选取的40张图片的特征向量,每类10张。每列为一个类别,每个类别有10个样本,类别与类别之间有很好的区分性。第1列是存在横向裂缝的图像,第2列是存在135°裂缝的图像,第3列是存在纵向裂缝的图像,第4列是存在45°裂缝的图像。
图表编号 | XD0032741300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.15 |
作者 | 刘立峰、武奇生、姚博彬 |
绘制单位 | 长安大学电子与控制工程学院、长安大学电子与控制工程学院、长安大学电子与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |