On Algorithms for Segmentation of Digital Images of Motor Roads
DOI:
https://doi.org/10.52575/2687-0932-2025-52-1-215-226Keywords:
road surface image, segmentation, Gaussian filter, K-means method, mean shift algorithm, precision, recallAbstract
This paper presents the results of computational experiments which allow investigating the application of segmentation algorithms for processing the road surface images. The conducted research shows the results of using the segmentation algorithms such as the Otsu threshold segmentation algorithm, the K-means algorithm, the mean shift algorithm, the watershed algorithm, and the active contour algorithm. The paper provides a brief analysis of these algorithms. The results of computational experiments were received for two cases. For the first case, the input image was not previously modified, and for the second, it was processed with a Gaussian filter. The results of computational experiments have illustrated that it is advisable to use the average shift algorithm as an algorithm for searching for two classes in the input image (Negative – grass surface, Positive – road surface). The average shift algorithm showed the highest average accuracy of 0.92. The K-means algorithm also showed fairly good results with average accuracy of 0.88.
Downloads
References
Список литературы
Айзенберг И.Н. 1997. Некоторые алгоритмы обработки изображений и их реализация на нейросетях. Компьютерная оптика, 17: 134–142.
Алтынбай А.Н., Кусаинова У.Б. 2024. Эффективная цифровая обработка изображений в информационных системах. Вестник науки, 6(75): 1372–1376.
Брынь М.Я., Баширова Д.Р., Багишян А.Г. 2021. Сравнительная оценка мобильного лазерного сканирования, аэрофотосъемки с беспилотной авиационной системы и съемки с комплексной дорожной лаборатории при выполнении диагностики автомобильных дорог. Известия Петербургского университета путей сообщения, 18(2): 211–221.
Васильев П.В., Сеничев А.В. 2020. Применение нейросетевых технологий в задаче контроля поверхностных дефектов. Известия вузов. Северо-Кавказский регион. Серия: Технические науки, 205(1): 33–40.
Гизатуллин З.М., Ляшева С. А., Морозов О.Г., Шлеймович М.П. 2020. Метод обнаружения контуров на основе весовой модели изображения. Компьютерная оптика, 3(44): 393–400.
Дубенко Ю.В., Дышкант Е.Е., Тимченко Н.Н., Рудешко Н.А. 2021. Метод реконструкции трехмерных сцен, основанный на применении сверточных нейронных сетей, фильтрации по дистанции и с помощью «Октодерева». Известия вузов. Поволжский регион. Технические науки, 4: 43–54. doi:10.21685/2072-3059-2021-4-4
Дудко И.С., Ефимов А.И., Логинов А.А., Ломтева О.А., Муратов Е.Р. 2015. Автоматизация исследования и отладки алгоритмов и программ обработки изображений. Известия ТулГУ. Технические науки, 9: 87–95.
Журавлев А.А., Аксенов К.А. 2023. Повышение качества изображений дорожного покрытия на основе подходов морфологической обработки. Инженерный вестник Дона, 7(103): 404–413.
Катаев М.Ю., Карташов Е.Ю., Авдеенко В.Д. 2023. Методика обнаружения дефектов дорог с использованием изображений, полученных с беспилотных летательных аппаратов. Компьютерная оптика, 3(47): 464–473. doi:10.18287/2412-6179-CO-1209
Лукашик Д.В. 2022. Анализ современных методов сегментации изображений. Экономика и качество систем связи, 2(24): 57–65.
Мельникова И.С., Дайнеко К.Н. 2016. Выявление дефектов дорожных асфальтобетонных и цементобетонных покрытий тепловизионным методом и автоматизированная обработка результатов контроля. Вестник Белорусско-Российского университета, 3(52): 136–145.
Нгуен Тху Хыонг, Нгуен Тхе Лонг. 2016. Алгоритмическое и программное обеспечение автоматического обнаружения и классификации дефектов дорожного покрытия с помощью метода разреза графов и алгоритма случайных лесов. iPolytech Journal, 10 (117): 111–118.
Оценка моделей ML/DL: матрица ошибок, Accuracy, Precision и Recall. URL: https://pythonru.com/baza-znanij/metriki-accuracy-precision-i-recall (дата обращения: 12.12.2024).
Соболь Б.В., Соловьев А.Н., Васильев П.В., Подколзина Л.А. 2019. Модель глубокой сверточной нейронной сети в задаче сегментации трещин на изображениях асфальта. Advanced Engineering Research (Rostov-on-Don), 1(19): 63–73.
Чочиа П.А. 2014. Трехмерные и двумерные изображения: модели, алгоритмы и области анализа. International Journal of Open Information Technologies, 11(2): 1–9.
Abd Mukti S.N., Tahar K.N. 2022. Detection of potholes on road surfaces using photogrammetry and remote sensing methods (review). Научно-технический вестник информационных технологий, механики и оптики, 3(22): 459–471.
Lenin Kumar Reddy S., Rao C.V., Rajesh Kumar P. 2021. Road feature extraction from LANDSAT-8 and RESOURCESAT-2 images. RJES. 3(21): 6.
References
Aizenberg I.N. 1997. Nekotorye algoritmy obrabotki izobrazhenij i ih realizaciya na nejrosetyah [Some image processing algorithms and their implementation on neural networks]. Komp'yuternaya optika, 17: 134–142.
Altynbay A.N., Kusainova U.B. 2024. Effektivnaya cifrovaya obrabotka izobrazhenij v informacionnyh sistemah [Efficient digital image processing in information systems]. Vestnik nauki, 6 (75): 1372–1376.
Bryn M.Ya., Bashirova D.R., Bagishyan A.G. 2021. Sravnitel'naya ocenka mobil'nogo lazernogo skanirovaniya, aerofotos"emki s bespilotnoj aviacionnoj sistemy i s"emki s kompleksnoj dorozhnoj laboratorii pri vypolnenii diagnostiki avtomobil'nyh dorog [Comparative evaluation of mobile laser scanning, aerial photography from an unmanned aerial system and surveying from an integrated road laboratory when performing diagnostics of highways]. Izvestiya Peterburgskogo universiteta putej soobshcheniya, 18(2): 211–22.
Vasiliev P.V., Senichev A.V. 2020. Primenenie nejrosetevyh tekhnologij v zadache kontrolya poverhnostnyh defektov [Application of neural network technologies in the problem of monitoring surface defects]. Izvestiya vuzov. Severo-Kavkazskij region. Seriya: Tekhnicheskie nauki, 205 (1): 33–40.
Gizatullin Z.M., Lyasheva S.A., Morozov O.G., Shleimovich M.P. 2020. Metod obnaruzheniya konturov na osnove vesovoj modeli izobrazheniya [Contour detection method based on a weighted image model]. Komp'yuternaya optika, 3(44): 393–400.
Dubenko Yu.V., Dyshkant E.E., Timchenko N.N., Rudeshko N.A. 2021. A method for reconstructing three-dimensional scenes based on the use of convolutional neural networks, filtering by distance and using the "Octotree". News of universities. Volga region. Technical sciences, 4: 43–54 (in Russian). doi:10.21685/2072-3059-2021-4-4.
Dudko I.S., Efimov A.I., Loginov A.A., Lomteva O.A., Muratov E.R. 2015. Avtomatizaciya issledovaniya i otladki algoritmov i programm obrabotki izobrazhenij [Automation of research and debugging of image processing algorithms and programs]. Vestnik Tul'skogo gosudarstvennogo universiteta. Tekhnicheskie nauki, 9: 87–95.
Zhuravlev A.A., Aksenov K.A. 2023. Povyshenie kachestva izobrazhenij dorozhnogo pokrytiya na osnove podhodov morfologicheskoj obrabotki [Improving the quality of road surface images based on morphological processing approaches]. Inzhenernyj vestnik Dona, 7(103): 404–413.
Kataev M.Yu., Kartashov E.Yu., Avdeenko V.D. 2023. Metodika obnaruzheniya defektov dorog s ispol'zovaniem izobrazhenij, poluchennyh s bespilotnyh letatel'nyh apparatov [Methodology for detecting road defects using images obtained from unmanned aerial vehicles]. Komp'yuternaya optika, 3(47): 464–473. doi:10.18287/2412-6179-CO-1209
Lukashik D.V. 2022. Analiz sovremennyh metodov segmentacii izobrazhenij [Analysis of modern methods of image segmentation]. Ekonomika i kachestvo sistem svyazi, 2 (24): 57–65.
Melnikova I.S., Daineko K.N. 2016. Vyyavlenie defektov dorozhnyh asfal'tobetonnyh i cementobetonnyh pokrytij teplovizionnym metodom i avtomatizirovannaya obrabotka rezul'tatov kontrolya [Detection of defects of road asphalt concrete and cement concrete pavements by the thermal imaging method and automated processing of inspection results]. Vestnik Belorussko-Rossijskogo universiteta, 3(52): 136–145.
Nguyen Thu Huong, Nguyen The Long. 2016. An algorithm and software for pavement defect automatic detection and classification based on a graph cut method and a random forest algorithm. iPolytech Journal, 10(117): 111–118 (in Russian).
Evaluation of ML/DL Models: Error Matrix, Accuracy, Precision, and Recall. URL: https://pythonru.com/baza-znanij/metriki-accuracy-precision-i-recall (Accessed: 12.12.2024).
Sobol B.V., Soloviev A.N., Vasiliev P.V., Podkolzina L.A. 2019. Model' glubokoj svertochnoj nejronnoj seti v zadache segmentacii treshchin na izobrazheniyah asfal'ta [Deep Convolutional Neural Network Model for Asphalt Crack Segmentation]. Perspektivnye inzhenernye issledovaniya (Rostov-na-Donu), 1(19): 63–73.
Chochia P.A. 2014. Trekhmernye i dvumernye izobrazheniya: modeli, algoritmy i oblasti analiza [Three-Dimensional and Two-Dimensional Images: Models, Algorithms, and Analysis Areas]. Mezhdunarodnyj zhurnal otkrytyh informacionnyh tekhnologij, 11(2): 1–9.
Abd Mukti S.N., Tahar K.N. 2022. Detection of potholes on road surfaces using photogrammetry and remote sensing methods (review). Scientific and Technical Bulletin of Information Technologies, Mechanics and Optics, 3(22): 459–471.
Lenin Kumar Reddy S., Rao C.V., Rajesh Kumar P. 2021. Road feature extraction from landsat-8 and resourcesat-2 images. RJES. 3 (21): 6.
Abstract views: 13
Share
Published
How to Cite
Issue
Section
Copyright (c) 2025 Economics. Information Technologies
This work is licensed under a Creative Commons Attribution 4.0 International License.
