Detección automática de grietas de pavimento asfáltico aplicando características geométricas y descriptores de forma
Las grietas son el principal daño en la superficie del pavimento, porque de estas se derivan los demás tipos de deterioros. La mayoría de grietas en imágenes de pavimento se encuentran con objetos no deseados y desconectadas. Para resolver este problema, se aplica el filtro mediana, para el suavizad...
- Autores:
-
Porras Díaz, Hernán
Castañeda Pinzón, Eduardo Alberto
Sanabria Echeverry, Duván Yahír
Medina Pérez, Gepthe Manuel
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2012
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/12031
- Acceso en línea:
- https://hdl.handle.net/11323/12031
https://revistascientificas.cuc.edu.co/ingecuc/article/view/265
- Palabra clave:
- Ajuste de Contraste
Características Geométricas y Descriptores de Forma
Corrección de Intensidad
Detección de Grietas
Eliminación de Ruido
Operaciones Morfológicas.
- Rights
- openAccess
- License
- INGE CUC - 2014
Summary: | Las grietas son el principal daño en la superficie del pavimento, porque de estas se derivan los demás tipos de deterioros. La mayoría de grietas en imágenes de pavimento se encuentran con objetos no deseados y desconectadas. Para resolver este problema, se aplica el filtro mediana, para el suavizado de la imagen; el ajuste de contraste, para realzar la grieta; la segmentación, aplicando la media y la desviación estándar de los niveles de gris, para delimitar las grietas; el procesamiento morfológico, para fusionar separaciones estrechas; la eliminación de grietas falsas, aplicando características geométricas y descriptores de forma; y la conexión de grietas, para obtener grietas continuas. Los resultados experimentales fueron obtenidos de las imágenes de pavimento captadas por el sistema semiautomático y el algoritmo generador implementado. Las pruebas demostraron que las grietas fueron detectadas, con una sensibilidad de 81,72% y una especificidad de 99,96% para las imágenes captadas. |
---|