论文摘要
在对沥青路面病害图像进行自动分类时,含车道线的图像数量较多易造成干扰。为此,提出一种车道线移除方法以降低其对分类的影响,首先基于Mask R-CNN网络训练出复杂背景下车道线区域的检测模型,通过该模型自动获取车道线区域mask;然后利用mask将车道线区域全部移除得到破损图像;最后用改进的Criminisi图像修复方法对破损图像进行样本块填充。实验表明,采用Mask R-CNN方法对400张不同环境下的路面图像进行检测,其漏检率和误检率分别为0.50%和7.87%。在保证图像修复质量的基础上,改进的Criminisi方法在修复速度上比改进前提升约4～5倍。同等条件下,采用VGG分类模型对比验证,经该算法移除车道线后的新数据集表现更优。
论文目录
文章来源
类型: 期刊论文
作者: 蓝章礼,黄涛,王庆珍,谭立云
关键词: 车道线检测,目标移除,沥青路面
来源: 图学学报 2019年03期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 公路与水路运输,计算机软件及计算机应用,自动化技术
单位: 重庆交通大学信息科学与工程学院,重庆市公路局
基金: 重庆市科委民生重点项目(cstc2015shms)
分类号: TP391.41;TP183;U418.6
页码: 600-607
总页数: 8
文件大小: 2697K
下载量: 121