聚类分析算法在路面破损检测中的应用.pdfVIP

第 19卷 第4期 广 西 工 学 院学 报 Dec．19 No．4 2008年 12月 JOURNAL0FGIA『NGxlUNIVERSlTY0FT】删 0GY Dec．2008 文章编号 1004—6410(2008)04．0051．03 聚类分析算法在路面破损检测中的应用 梁 鑫 (广西工学院土木建筑工程系，广西 柳州 545006) 摘 要 ：聚类分析是一种定量研究分类问题的多元数据统计方法，它从数据分析的角度出发，利用样本点间的距离 来衡量它们之间的相似性程度 ，从而达到分类的目的。结合图像分析的处理方法，介绍了聚类分析算法在路面破损 检测中的应用。 关 键 词：聚类分析；路面破损 ；检测 中图分类号：TU12 文献标识码：A 0 引言 道路管理系统的开发需要及时采集各种路面信息，道路破损数据是其中重要的内容之一。传统的路面 破损信息获取通常采用人工检测的方法，该方法效率低下，且难以对路面破损状况进行客观和准确的评 价L1J，因此亟需更为有效的方法。 目前，国内外诸多学者在这方面都进行了广泛的研究，特别是利用摄影、摄像技术结合图像处理快速 自 动识别路面破损已经成为这个领域的研究热点。Chen等l2J根据路面图像灰度信息的先验知识，提出了一种 路面破损图象增强的方法 ，效果较好，但是其计算处理时间较长；Chou等 3利用模糊技术增强路面破损图 像，在最大模糊熵的基础上选取模糊化的阈值，并根据样本图像建立了一个非线性等式，去除由于亮度不一 致所引起的路面图像噪声，提高路面破损数据检测效率。 本文在现有方法的基础上，从图像分析的角度出发，探讨了利用聚类分析方法进行路面图像分割，并提 取路面破损数据的方法，最后，通过试验验证了该方法的有效性和实用性。 1 聚类分析法 现有的聚类分析方法主要有三类[]：(1)根据相似性域值和最小距离原则的简单聚类方法；(2)按最小 距离原则不断进行两类合并的方法；(3)依据准则函数动态聚类的方法。在第一种方法中，聚类中心一旦选 定，就不再改变，而第二种方法的特征矢量一旦被划分到某一类后，也不再发生变化，这就导致前两种方法的 聚类结果不太理想。动态聚类法改进了上述方法的不足，其主要代表是K一均值聚类法，这也是本文所采用 的方法。 K一均值聚类算法的基本思想是 ：首先随机选取 k个点作为初始聚类中心，然后计算各个数据对象到各 聚类中心的距离，把数据对象归到离它最近的那个聚类中心所在的类；对调整后的新类计算新的聚类中心， 如果相邻两次的聚类中心没有任何变化，说明数据对象调整结束，聚类准则函数已经收敛。本算法的一个特 点是在每次迭代中都要考察每个样本的分类是否正确，若不正确，就要调整。在全部数据调整完后，再修改 聚类中心，进入下一次迭代。如果在一次迭代算法中，所有的数据对象被正确分类，则不会有调整，聚类中心 也不会有任何变化，这标志着聚类准则函数已经收敛，至此算法结束。 K一均值聚类算法的基本流程如下： 收稿 日期：2oo8—11—02 基金项 目：广西工学院硕士基金项 目(500554)资助。 作者简介：梁鑫 (1979．)，广西柳州人，广西工学院土木建筑工程系讲师，硕士。 52 广西工学院学报 第 l9卷 (1)对于给定的大小为7z的数据集，令 J=1，选取k个初始聚类中心 ()，=1，2，3，…k； (2)计算每个数据对象与聚类中心的距离D(zf，zj(I))，i=1，2，3，…k，=1，2，3，…k，如果满足 D(zf， ())=min{D(zf， (J))，i=1，2，3…，，z} (1) 则 五∈ ； (3)计算 k个新的聚类中心 1 ^ (J+1)蓦 歹=1，2，3，…k (2) (4)判断：若 (+1)≠ (J)，=l