李 鹏，马味敏，袁文婷

(南京信息工程大学电子与信息工程学院，江苏 南京 210044)

1 引言

由于公路常年暴露在外受到风吹日晒，加上行驶车流量多，其中还存在超载的问题，导致我国公路的使用寿命远远低于国外。此时，公路路面路面裂缝检测和养护就显得尤为重要，传统的人工检测不仅仅消耗精力大，检测效率低，而且存在一定的安全隐患。基于计算机视觉的路面检测无疑是当今最高效、智能的一种检测手段。

Kamaliardakani M[1]等人采用经典的灰度阈值分割，但是容易受路面光照阴影影响。马常霞[2]等人利用非下采样 contourlet 变换结合图像形态学方法和中值滤波实现裂缝检测，但该方法计算较复杂。Lee B Y等人[3]采用形态学方法检测路面裂缝，但是裂缝受背景影响难以表现出完整的裂缝形态。刘娜[4]等人一种结合形态学和最大熵的路面裂缝检测方法，但是分割后的图像存在少量的失真。Bayoung Jik Lee 和 David Lee[5]共同提出了一种基于BP神经网络的路面裂缝分割识别的算法，将原始图像分割成众多的子图像并阈值分割，缺陷在于只能识别横向和纵向的裂缝，对于龟裂并不理想。采用机器学习的方法[6-7]能很好的自动检测裂缝，但是需要大量的裂缝数据，提取的特征具有不确定性，难以应用于实际。

脉冲耦合神经网络(pulse coupled neural networks，PCNN)作为第三代神经网络，不需要提前采集大量的数据进行训练，但是该神经网络的模型参数设置以及迭代次数的终止始终是个难题。Helmy 等人[8]在SOM聚类算法初步分类的基础上，用改进的 PCNN 增强SOM 分类结果，减少了过分割现象。……