首页|基于改进HOG特征提取与SVM分类器的建筑裂缝识别方法

基于改进HOG特征提取与SVM分类器的建筑裂缝识别方法

扫码查看
原文链接
  • 万方数据
  • 维普
针对现有的建筑外墙裂缝检测及分类算法在裂缝所处环境复杂的条件下,存在检测精度不高、分类效果不理想的问题,提出了一种基于改进的梯度方向直方图(Histogram of Oriented Gradients,HOG)特征提取与支持向量机(Support Vector Machine,SVM)相结合的建筑裂缝识别方法.在原有的HOG特征提取步骤上增加了图像增广、直方图修正和中值滤波三项预处理技术,然后将提取出的特征传入SVM进行分类识别.根据所提方法对300张图片进行检测,其准确率达到93％.对比于直接将HOG与SVM相结合的方法,获得了更高的图像识别精度,验证了所提方法的有效性和可行性.
Building crack recognition method based on improved HOG feature extraction with SVM classifier

张伟、周梦源、夏坚

展开 >

福建省建筑科学研究院有限责任公司,福建福州350025

福建省绿色建筑技术重点实验室,福建福州350025

福州大学土木工程学院,福建福州350108

裂缝识别 图像预处理 HOG特征提取 SVM支持向量机

福建省科技计划引导性项目

2018Y0021

2022

南昌工程学院学报
南昌工程学院

南昌工程学院学报

影响因子：0.272
ISSN：1006-4869
年,卷(期)：2022.41(1)
  • 3
  • 11