基于改進t分布混合模型的路面裂縫圖像分割方法研究

段明義，李祖照，崔奧杰

(1. 鄭州工程技術學院 信息工程學院，河南 鄭州 450044; 2. 廣西交科集團有限公司，廣西 南寧 530007)

0 引言

近20年來，伴隨著我國交通事業的發展，汽車保有量也隨之迅猛增長，人們對行車的要求也在不斷轉變，尤其體現在安全性、經濟性以及舒適性等方面的需求。這使得路面養護變得重要和緊急[1]。目前，對于公路狀況的檢測手段，國內外常見的是人工方法和半自動方法，這些方法的缺點是效率低、強度大以及準確性不夠等。道路在投入使用后，隨著使用年限的增長，會產生不同程度的裂縫，裂縫是評價公路質量的一個重要指標。裂縫的類型和裂縫的程度關系后期的維護修補策略[2]。相對于采用人工檢測的方法，利用計算機技術進行裂縫檢測具有高效、非接觸、精度高等優點，圖像分割是其中最常用到的技術之一。

一種常用的圖像分割方法是K-means聚類劃分[3]，原理簡單、易實現，缺點是參數值的設置需要事先由人工來完成。同時，該方法在含噪聲圖像上運行效果欠佳[4]。因此，實際應用中，一般需要對標準K-means聚類進行優化，然后再使用其進行分割。本研究采用花粉算法(Flower Pollination Algorithm，FPA)[5]來對其進行改進，該算法參數少，易實現。數理統計中，比較常用的數據模擬模型是高斯模型[6]，隨著待模擬數據量的增加，可以采用多個高斯模型加權的形式來構造模型進行模擬，即高斯混合模型(Gaussian Mixture Model, GMM)[7]。學生t分布(Student’st-distribution)[8]是另一個常見的數據模型，具有較長的尾部，更適合用來處理裂縫圖像，因此，本研究采用其來代替高斯分布，多數據模擬的情況采用t分布混合模型(t-distribution Mixture Model, TMM)[9]。……