首页|基于多特征融合的混凝土结构表面病害图像分类算法

基于多特征融合的混凝土结构表面病害图像分类算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为提升混凝土表面开裂、露筋锈蚀和损伤3类病害图像分类效率与准确性,减少人工成本,提出了基于多特征融合的混凝土结构表面病害图像分类算法.该算法通过提取混凝土表面病害图像的纹理特征、灰度直方图特征、颜色特征,以支持向量机(SVM)为分类器,分别训练3类特征的病害图像分类模型,采用特征权重算法估计各个特征的权重系数,借助分类模型与权重系数估计病害图像类别划分的可信度值,根据最小误差原则将病害图像判定为可信度值最大的类别.设计了7组覆盖上述图像特征的特征融合方案,以2 400张病害图片为样本,训练了3种单一特征和4种多特征病害图像分类模型,并测试算法的准确性.结果表明:总体上,多特征融合分类模型对于混凝土表面病害图像分类准确率高于单一特征分类模型;基于多项式核函数,灰度+颜色+纹理特征融合分类模型分类效果最佳,平均分类准确率达到84％,较单一特征分类模型提升了7％;依赖于混凝土病害图像多特征的综合信息,灰度+颜色+纹理特征融合分类模型可将混凝土表面锈蚀和缺损的分类准确率提升至88％,多特征融合分类模型对于病害的分类判别稳定性显著优于单一特征分类模型.该研究可为混凝土表面病害图像分类提供有效方法,提升病害分类效率与准确性.
Multi-feature fusion based classification algorithm of surface disease image of concrete structure

杨扬、王连发、张宇峰、韩晓健

展开 >

在役长大桥梁安全与健康国家重点实验室,江苏南京210012

长大桥梁健康检测与诊断技术交通行业重点实验室,江苏南京210012

江苏省长大桥梁健康监测数据中心,江苏南京210012

苏交科集团股份有限公司,江苏南京210012

南京工业大学土木工程学院,江苏南京211800

展开 >

桥梁工程 分类算法 多特征融合 病害图像 混凝土结构 支持向量机

国家自然科学基金重点项目

51638007

2021

10.19721/j.cnki.1671-8879.2021.03.007

长安大学学报(自然科学版)
长安大学

长安大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：1.011
ISSN：1671-8879
年,卷(期)：2021.41(3)
  • 7
  • 3