Об алгоритмах сегментации цифровых изображений автомобильных дорог
DOI:
https://doi.org/10.52575/2687-0932-2025-52-1-215-226Ключевые слова:
изображение дорожного покрытия, сегментация, фильтр Гаусса, алгоритм К-средних, алгоритм сдвига среднего, точность, полнотаАннотация
В данной работе изложены результаты проведения вычислительных экспериментов по применению алгоритмов сегментации к изображениям дорожного покрытия. В ходе проведения исследования показано применение алгоритмов сегментации, таких как алгоритм пороговой сегментации Оцу, алгоритм K-средних, алгоритм сдвига среднего, алгоритм водораздела и алгоритм активного контура в двух случаях: входное изображение предварительно не изменялось и было обработано фильтром Гаусса. Результаты вычислительных экспериментов проиллюстрировали, что в качестве алгоритма поиска двух классов на входном изображении (Negative – травяное покрытие, Positive – дорожное покрытие) целесообразно применять алгоритм сдвига среднего, который показал наибольшую среднюю точность работы алгоритма 0,96.
Скачивания
Библиографические ссылки
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.
Просмотров аннотации: 13
Поделиться
Опубликован
Как цитировать
Выпуск
Раздел
Copyright (c) 2025 Экономика. Информатика
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
