基于偏微分方程的路面裂縫圖像增強(qiáng)算法研究.pdf

1、如何準(zhǔn)確地提取路面裂縫圖像中的裂縫信息己成為圖像處理領(lǐng)域研究的一個(gè)熱點(diǎn)問(wèn)題。本文設(shè)計(jì)了一種改進(jìn)的P-M模型與相干增強(qiáng)張量擴(kuò)散的加權(quán)模型,該模型克服了經(jīng)典圖像處理算法、P-M方程、相干增強(qiáng)張量擴(kuò)散等基本偏微分方程模型在路面圖像中復(fù)雜的噪聲、雜物的強(qiáng)干擾下不能很好的兼顧減噪和保護(hù)裂縫這兩個(gè)具體要求的缺點(diǎn)。改進(jìn)后的擴(kuò)散模型在圖像的裂縫區(qū)域鼓勵(lì)相干增強(qiáng)張量擴(kuò)散而抑制P-M擴(kuò)散,而在非裂縫區(qū)域,鼓勵(lì)P-M擴(kuò)散而抑制相干增強(qiáng)張量擴(kuò)散。該模型能夠在去

2、噪的同時(shí)增強(qiáng)裂縫的流式結(jié)構(gòu)和銳化裂縫邊緣,實(shí)現(xiàn)前期裂縫圖像的增強(qiáng)。其次,本文對(duì)去噪和增強(qiáng)后的裂縫圖像采用基于圖像分塊的二值化,該方法克服了全局閾值法沒(méi)有考慮到圖像中各個(gè)像素彼此之間的空間相關(guān)性,只是按照統(tǒng)一的標(biāo)準(zhǔn)來(lái)選取閾值的缺點(diǎn),該方法能夠較好的把裂縫目標(biāo)從背景中分離出來(lái),但對(duì)噪聲環(huán)境中過(guò)于微弱的裂縫信號(hào)無(wú)法檢測(cè)到,因此本文又采用基于谷點(diǎn)檢測(cè)的裂縫目標(biāo)提取算法,來(lái)提取裂縫目標(biāo),但提取后的圖像存在偽裂縫干擾。最后,本文對(duì)裂縫目標(biāo)提取后的圖