Detección automática de grietas de pavimento asfáltico aplicando características geométricas y descriptores de forma
Artículo de revista
2012-10-31
Corporación Universidad de la Costa
INGE CUC
0122-6517
2382-4700
Ajuste de contraste
Características geométricas y descriptores de forma
Corrección de intensidad
Detección de grietas
Eliminación de ruido
Operaciones morfológicas
Contrast adjustment
Geometric characteristics and shape descriptors
Intensity correction
Crack detection
Elimination of noise
Morphological operations
Características geométricas y descriptores de forma
Corrección de intensidad
Detección de grietas
Eliminación de ruido
Operaciones morfológicas
Contrast adjustment
Geometric characteristics and shape descriptors
Intensity correction
Crack detection
Elimination of noise
Morphological operations
Las grietas son el principal daño en la superficie del pavimento, porque de estas se derivan los demás tipos de deterioros. La mayoría de grietas en imágenes de pavimento se encuentran con objetos no deseados y desconectadas. Para resolver este problema, se aplica el filtro mediana, para el suavizado de la imagen; el ajuste de contraste, para realzar la grieta; la segmentación, aplicando la media y la desviación estándar de los niveles de gris, para delimitar las grietas; el procesamiento morfológico, para fusionar separaciones estrechas; la eliminación de grietas falsas, aplicando características geométricas y descriptores de forma; y la conexión de grietas, para obtener grietas continuas. Los resultados experimentales fueron obtenidos de las imágenes de pavimento captadas por el sistema semiautomático y el algoritmo generador implementado. Las pruebas demostraron que las grietas fueron detectadas, con una sensibilidad de 81,72% y una especificidad de 99,96% para las imágenes captadas Cracks are the main damage to the surface of the pavement, because these are the other types of damage. Most cracks in pavement images encounter unwanted and disconnected objects. To solve this problem, the medium filter is applied, for smoothing the image; the contrast adjustment, to enhance the crack; the segmentation, applying the mean and the standard deviation of the gray levels, to delimit the cracks; morphological processing, to merge narrow separations; the elimination of false cracks, applying geometrical characteristics and shape descriptors; and the connection of cracks, to obtain continuous cracks. The experimental results were obtained from the pavement images captured by the semiautomatic system and the implemented generator algorithm. The tests showed that the cracks were detected, with a sensitivity of 81.72% and a specificity of 99.96% for the images captured
- Revistas Científicas [1682]
Descripción:
14. Detección automática de grietas de pavimento asfáltico.pdf
Título: 14. Detección automática de grietas de pavimento asfáltico.pdf
Tamaño: 1.466Mb
PDFLEER EN FLIP
Título: 14. Detección automática de grietas de pavimento asfáltico.pdf
Tamaño: 1.466Mb
PDFLEER EN FLIP