王麗　康飛

摘要：裂縫圖像分割是建筑物裂縫圖像分析的關(guān)鍵，分割結(jié)果的優(yōu)劣會(huì)直接影響后續(xù)圖像分析的準(zhǔn)確度。針對(duì)Canny算法、迭代法和otsu算法用于圖像分割存在運(yùn)行時(shí)間長(zhǎng)和分割精度低的不足，提出采用群體智能算法對(duì)圖像分割算法進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明，對(duì)于裂縫圖像，基于樽海鞘群的圖像分割算法具有用時(shí)間短，結(jié)果穩(wěn)定，分割效果好的優(yōu)點(diǎn)。

關(guān)鍵詞：樽海鞘群;優(yōu)化算法;裂縫圖像分割

中圖分類號(hào)： TP399? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）25-0223-03

在21世紀(jì)，由于種種原因各類混凝土建筑物存在各種形式的裂縫。裂縫的存在會(huì)影響建筑結(jié)構(gòu)的正常使用性、耐久性和美觀。因此，裂縫檢測(cè)對(duì)于混凝土建筑物是不可缺少的。在國(guó)內(nèi)外，圖像處理方法在路面、隧道和橋梁的裂縫檢測(cè)中得到廣泛應(yīng)用。

圖像分割是指根據(jù)圖像不同區(qū)域或者邊緣所具有的特殊性，將目標(biāo)和背景分離的過(guò)程，簡(jiǎn)單地說(shuō)就是將圖像中的信息分為彼此不相同的若干類區(qū)域，在同一區(qū)域中像素具有一致性。裂縫圖像分割是裂縫分析提取的關(guān)鍵，為后續(xù)的裂縫識(shí)別和特征提取等過(guò)程提供依據(jù)，分割結(jié)果的優(yōu)劣會(huì)直接影響后續(xù)圖像分析的準(zhǔn)確度。因此，選擇合理的圖像分割方法是至關(guān)重要的。本文提出采用群體智能算法對(duì)圖像分割算法進(jìn)行優(yōu)化。對(duì)比了五種算法的分割結(jié)果、運(yùn)行時(shí)間以及求出的最佳分割閾值，發(fā)現(xiàn)樽海鞘群優(yōu)化算法用時(shí)短，分割效果好。

1 基于樽海鞘群優(yōu)化算法的圖像分割

1.1樽海鞘群優(yōu)化算法

樽海鞘群算法（Salp Swarm Algorithm， SSA[1]是Mirjalili等在2017年提出的一種基于群體智能的全局優(yōu)化算法。樽海鞘是一種身體組織和移動(dòng)方式與水母高度相似的海洋生物，能夠自由漂浮的被囊動(dòng)物[2]。樽海鞘群方法通過(guò)將種群分為兩組進(jìn)行數(shù)學(xué)建模，即領(lǐng)導(dǎo)者和追隨者。領(lǐng)導(dǎo)者位于樽海鞘鏈的頂端，用來(lái)引導(dǎo)群體;其他的視為追隨者，追隨者互相跟隨。

綜合上面的圖表，可以看出對(duì)于背景和裂縫對(duì)比度較低的圖像，如上圖T1、T2、T3、T4、T6，迭代法求出的最佳分割閾值與Otsu、PSO和SSA三者求得的閾值差別較大，運(yùn)行時(shí)間較長(zhǎng)，這也導(dǎo)致了采用迭代法所求得的閾值進(jìn)行圖像分割的結(jié)果不好，不能從背景圖像中提取出來(lái)裂縫信息;對(duì)于上述的8副圖像，采用Otsu、PSO和SSA三者求得的最佳閾值相近，都能得到較好分割結(jié)果。本文提出的SSA法運(yùn)行時(shí)間最短，低于0.1秒。

3 結(jié)論

本文通過(guò)將Canny算法、迭代法、Otsu、PSO和SSA五種算法用于裂縫圖像分割的結(jié)果進(jìn)行對(duì)比，發(fā)現(xiàn)提出的基于樽海鞘群優(yōu)化的圖像分割算法具有用時(shí)短，結(jié)果穩(wěn)定，計(jì)算量小，分割效果好的優(yōu)點(diǎn)，能用于混凝土建筑物的裂縫圖像分割。

參考文獻(xiàn)：

[1] Mirjalili S，Gandomi A H，et al. Salp Swarm Algorithm： A bio-inspired optimizer for engineering design problems[J]. Advances in Engineering Software （S1873-5339）， 2017， 114（6）： 163-191.

[2]陳濤，王夢(mèng)馨，黃湘松.基于樽海鞘群算法的無(wú)源時(shí)差定位[J].電子與信息學(xué)報(bào)，2018，40（7）：72-78.

【通聯(lián)編輯：唐一東】