级联主成分分析用于快速测量路面裂缝宽度
计算机视觉与模式识别
2025-11-05 v1 应用统计
摘要
精确量化路面裂缝宽度在 assessing 结构完整性和指导维护干预方面起着关键作用。然而，实现精确的裂缝宽度测量面临着显著挑战，主要源于：(1) 裂缝边界的复杂、非均匀形态，限制了传统方法的有效性；(2) 要求从任意像素位置实现快速测量，以便于综合评估路面状况。为克服这些限制，本研究引入一种级联框架，将主成分分析 (PCA) 和鲁棒主成分分析 (RPCA) 集成，用于从数字图像中高效提取裂缝宽度。该方法包括三个连续阶段：(1) 使用 established 检测算法进行初始裂缝分割以生成二进制表示；(2) 通过 PCA 确定准平行裂缝的主方向轴；(3) 使用 RPCA 提取不规则裂缝几何的主传播轴 (MPA)。对三个公开数据集进行了全面评估，结果表明该方法在计算效率和测量准确性方面均优于现有最先进技术。
引用
@article{arxiv.2511.02144,
title = {Fast Measuring Pavement Crack Width by Cascading Principal Component Analysis},
author = {Zhicheng Wang and Junbiao Pang},
journal= {arXiv preprint arXiv:2511.02144},
year = {2025}
}