用于混凝土表面图像裂缝检测的高精度图像哈希与随机森林分类器

基于图像处理的混凝土表面裂缝自动检测是现代土木工程应用中的明显趋势。大多数基础设施由混凝土建成，而裂缝揭示了设施结构完整性的退化，可能导致极端的结构失效。有许多方法可克服基于图像的裂缝检测中的困难，从输入图像的预处理到高效分类器的适当调整，再到必不可少的特征选择步骤。本文涉及从图像构建特征以使分类器能够找到有裂缝与无裂缝图像之间的边界。最常见的特征提取方法是用于从图像中提取相关位置信息的卷积技术，以及用于边缘检测或背景去除的滤波器。此处我们首次将哈希技术应用于该问题的特征提取。通过比较5种不同的哈希算法（其中2种基于小波）来研究哈希的分类能力。还研究了在计算哈希之前对图像应用z变换的效果，这总计为该问题研究了10种新特征。对scikit-learn库中的17种不同算法进行了比较研究。结果表明，10个特征中有9个与该问题相关，且分类器的准确率在朴素贝叶斯高斯分类器的0.697到随机森林（RF）分类器的0.99之间变化。本工作开发的特征提取算法和RF分类器算法适用于嵌入式应用，例如在巡检无人机中，只要它们具有高准确度和计算轻量性，无论是在内存还是处理时间方面。