范新南 ，汪 杰 ，史朋飞 ，李 敏

（河海大学物联网工程学院，江苏 常州 213022）

路面裂缝反映了道路的损坏程度，事关道路交通的安全，所以对于裂缝的检测必须予以重视.传统的路面裂缝人工检测耗时费力，随着科技的发展，越来越多的新技术应用到裂缝检测上.常见的裂缝分割方法有：基于阈值的分割[1]、基于局部和全局特征的分割[2]、基于图像显著性的分割[3]和基于神经网络的裂缝图像分割[4].前三类方法往往有复杂的预处理过程，而神经网络算法可直接将裂缝图像作为输入，但较传统方法而言，模型复杂，训练时间较长.脉冲耦合神经网络（pulse coupled neural network，PCNN）是单层神经网络，依据图像的自然属性进行图像的分割.宋蓓蓓等[5]基于PCNN模型实现裂缝的粗提取，但裂缝存在断裂且噪声干扰大.这是由于PCNN模型参数多而且设定复杂，关键参数需多次试验人工调整，不同的参数会导致不同的分割效果.

张坤华等[6]将粒子群算法和基于单调递增阈值搜索策略的改进PCNN模型相结合，自动寻优连接系数和迭代次数.周东国等[7]利用动态阈值与区域均值之间的关系，给出连接系数、动态阈值的幅度系数的确定准则，对灰度混叠的图像表现出较好的性能，但如果图像中同时存在亮目标和暗目标，会出现忽略暗目标的情况.这些改进的PCNN方法仅是针对特定的图像，用在复杂裂缝图像上的有效性有待验证.赵慧洁等[8]提出一种基于最小误差准则的PCNN裂缝图像分割方法，通过寻找……