文献类型：期刊文章

作　　者：卢印举[1] 段明义[1] 李祖照[2] 苏玉[1]

LU Yin-ju;DUAN Ming-yi;LI Zu-zhao;SU Yu(College of Information and Engineering,Zhengzhou Institute of Technology,Zhengzhou 450044,China;Guangxi Transportation Research&Consulting Co.,Ltd.,Nanning 530007,China)

机构地区：[1]郑州工程技术学院信息工程学院,郑州450044 [2]广西交通科学研究院有限公司,南宁530007

出　　处：《科学技术与工程》

基　　金：河南省科技攻关计划(192102210120);河南省高等学校重点科研项目(20B520036)。

年　　份：2020

卷　　号：20

期　　号：26

起止页码：10815-10821

语　　种：中文

收录情况：BDHX、BDHX2017、RCCSE、ZGKJHX、核心刊

摘　　要：针对公路裂缝检测中的图像分割问题,运用机器学习领域的方法,以裂缝图像为研究对象,在深入分析经典K-Means聚类算法以及高斯混合模型(Gaussian mixture model,GMM)之后,提出一个利用全局K-Means和高斯混合模型来对公路裂缝图像进行分割的方法。在全局K-Means聚类算法的基础上,采用改进策略,同时,将传统GMM的每一个概率分布进一步再细分成单个的概率成分,在辅助变量计算过程中采用期望最大化(expectation maximization,EM)算法。仿真图像和实际裂缝图像实验结果显示,研究得到了比使用传统K-Means算法和普通GMM的分割方法精度更高、稳定性更好的分割结果。

关 键 词：裂缝图像  全局K-Means  高斯混合模型 EM算法

分 类 号：TP391]