基于樽海鞘群优化算法的裂缝图像分割

王丽　康飞

摘要：裂缝图像分割是建筑物裂缝图像分析的关键，分割结果的优劣会直接影响后续图像分析的准确度。针对Canny算法、迭代法和otsu算法用于图像分割存在运行时间长和分割精度低的不足，提出采用群体智能算法对图像分割算法進行优化。实验结果表明，对于裂缝图像，基于樽海鞘群的图像分割算法具有用时间短，结果稳定，分割效果好的优点。

关键词：樽海鞘群;优化算法;裂缝图像分割

中图分类号： TP399        文献标识码：A

文章编号：1009-3044（2019）25-0223-03

在21世纪，由于种种原因各类混凝土建筑物存在各种形式的裂缝。裂缝的存在会影响建筑结构的正常使用性、耐久性和美观。因此，裂缝检测对于混凝土建筑物是不可缺少的。在国内外，图像处理方法在路面、隧道和桥梁的裂缝检测中得到广泛应用。

图像分割是指根据图像不同区域或者边缘所具有的特殊性，将目标和背景分离的过程，简单地说就是将图像中的信息分为彼此不相同的若干类区域，在同一区域中像素具有一致性。裂缝图像分割是裂缝分析提取的关键，为后续的裂缝识别和特征提取等过程提供依据，分割结果的优劣会直接影响后续图像分析的准确度。因此，选择合理的图像分割方法是至关重要的。本文提出采用群体智能算法对图像分割算法进行优化。对比了五种算法的分割结果、运行时间以及求出的最佳分割阈值，发现樽海鞘群优化算法用时短，分割效果好。

1 基于樽海鞘群优化算法的图像分割

1.1樽海鞘群优化算法

樽海鞘群算法（Salp Swarm Algorithm， SSA[1]是Mirjalili等在2017年提出的一种基于群体智能的全局优化算法。樽海鞘是一种身体组织和移动方式与水母高度相似的海洋生物，能够自由漂浮的被囊动物[2]。樽海鞘群方法通过将种群分为两组进行数学建模，即领导者和追随者。领导者位于樽海鞘链的顶端，用来引导群体;其他的视为追随者，追随者互相跟随。

综合上面的图表，可以看出对于背景和裂缝对比度较低的图像，如上图T1、T2、T3、T4、T6，迭代法求出的最佳分割阈值与Otsu、PSO和SSA三者求得的阈值差别较大，运行时间较长，这也导致了采用迭代法所求得的阈值进行图像分割的结果不好，不能从背景图像中提取出来裂缝信息;对于上述的8副图像，采用Otsu、PSO和SSA三者求得的最佳阈值相近，都能得到较好分割结果。本文提出的SSA法运行时间最短，低于0.1秒。

3 结论

本文通过将Canny算法、迭代法、Otsu、PSO和SSA五种算法用于裂缝图像分割的结果进行对比，发现提出的基于樽海鞘群优化的图像分割算法具有用时短，结果稳定，计算量小，分割效果好的优点，能用于混凝土建筑物的裂缝图像分割。

参考文献：

[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]陈涛，王梦馨，黄湘松.基于樽海鞘群算法的无源时差定位[J].电子与信息学报，2018，40（7）：72-78.

【通联编辑：唐一东】