《表1 不同归一化方式对比》
支持向量机(SVM)的最大特点是能构造出最大间距的决策边界,从而提高分类算法的鲁棒性。陈飞飞等将IPT与SVM结合,实现了混凝土结构表面病害高效、准确的识别分类。在IPT阶段,选取混凝土桥梁病害数据库中的三种病害类型图像(裂缝、露筋锈蚀、缺损)各500张作为训练样本,对其进行灰度化、中值滤波等图像处理技术,在滤波的同时保护了图像的边界信息,并通过增强图像对比度,使图像特征更加明显,处理效果如图4所示;最后,对处理后的图像进行特征信息提取,包括纹理特征、灰度直方图特征、颜色矩等,形成融合多特征的样本,以体现病害图像的特征信息。在SVM阶段,构建支持向量机分类器,将上述的图像特征样本对分类机进行训练。为了提高分类机的准确率,采用不同的归一化方法处理特征样本以及选用三种不同的核函数,对其分类效果进行比较,如表1~2所示。结果表明,特征样本的归一化处理能够显著提高分类机的准确率,同时选取多项式作为SVM的核函数,其分类准确率更高,达到83%。
图表编号 | XD0087774200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 黄凤华、曹一山、蒋永生、周旭、程斌 |
绘制单位 | 上海交通大学船舶海洋和建筑工程学院、中交公路规划设计院有限公司、贵州高速公路集团有限公司、贵州高速公路集团有限公司、上海交通大学船舶海洋和建筑工程学院 |
更多格式 | 高清、无水印(增值服务) |