A fine extraction algorithm for image-based surface cracks in underwater dams

计算机科学 人工智能 水下 恒虚警率 腐蚀 计算机视觉 聚类分析 模式识别(心理学) 算法 地质学 古生物学 海洋学
作者
Gaifang Xin,Xinnan Fan,Pengfei Shi,Chengming Luo,Jianjun Ni,Yuxin Cao
出处
期刊:Measurement Science and Technology [IOP Publishing]
卷期号:34 (3): 035402-035402 被引量:5
标识
DOI:10.1088/1361-6501/ac9db2
摘要

Abstract Under the action of water erosion and self-aging, reservoir dams are prone to develop cracks, which affect safe operation. Underwater visual imaging can be used to detect dam surface cracks, but spalling, aquatic plants and suspended sediments result in low image contrast and complex backgrounds. With the use of unsupervised machine learning, this paper proposes a fine segmentation and extraction algorithm for image-based dam surface cracks. First, adaptive histogram equalization is used to change the uneven illumination areas of underwater surface images intoeven illumination areas, whose statistical characteristics are calculated under linear spatial filtering. Second, the extraction problem of crack areas of interest after dodging preprocessing is transformed into calculating the distance of the image block cluster center, which can distinguish the image blocks of crack features from the background interference features. Third, the fine extraction of crack images is carried out by considering the connected domains and morphological features, and the posterior probability of an image sample category is obtained based on the soft clustering of a Gaussian mixed model. Finally, different extraction algorithms related to surface cracks are evaluated in extensive experiments. The results validate the superior performance of the proposed extraction algorithm with 90.1% extraction accuracy, 6.5% missing alarm rate and 7.2% false alarm rate.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
Tang发布了新的文献求助10
2秒前
try发布了新的文献求助10
2秒前
3秒前
赵时俊完成签到,获得积分20
3秒前
隐形曼青应助执着的冰绿采纳,获得10
4秒前
6秒前
YGG完成签到,获得积分10
6秒前
neilphilosci发布了新的文献求助10
7秒前
shln关注了科研通微信公众号
7秒前
William完成签到,获得积分10
7秒前
斯文败类应助YJ888采纳,获得10
8秒前
隐形曼青应助稳重的草丛采纳,获得10
9秒前
dxm完成签到,获得积分10
10秒前
小白完成签到,获得积分10
10秒前
三火完成签到,获得积分10
11秒前
11秒前
11秒前
12秒前
精明乐完成签到,获得积分20
13秒前
14秒前
Orange应助熊二浪采纳,获得10
15秒前
15秒前
16秒前
Roseaiwade发布了新的文献求助10
16秒前
精明乐发布了新的文献求助10
16秒前
17秒前
DYX发布了新的文献求助10
18秒前
白元正发布了新的文献求助10
19秒前
JamesPei应助YY采纳,获得10
19秒前
谦让蜜蜂给谦让蜜蜂的求助进行了留言
21秒前
22秒前
开心的芒果完成签到,获得积分10
25秒前
25秒前
单复天发布了新的文献求助10
26秒前
烟花应助ccc采纳,获得10
26秒前
26秒前
28秒前
shln发布了新的文献求助10
28秒前
YJ888发布了新的文献求助10
28秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Effect of reactor temperature on FCC yield 2000
Introduction to Spectroscopic Ellipsometry of Thin Film Materials Instrumentation, Data Analysis, and Applications 1800
Natural History of Mantodea 螳螂的自然史 900
How Maoism Was Made: Reconstructing China, 1949-1965 800
Barge Mooring (Oilfield Seamanship Series Volume 6) 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3313419
求助须知:如何正确求助?哪些是违规求助? 2945813
关于积分的说明 8527122
捐赠科研通 2621489
什么是DOI,文献DOI怎么找? 1433679
科研通“疑难数据库(出版商)”最低求助积分说明 665080
邀请新用户注册赠送积分活动 650600