MATLAB裂缝检测识别[GUI,BP],本课题对于图像的预处理，首先对图像进行灰度校正，再对校正之后的图像滤波，本文提出了一种改进的中值滤波方法，对图像进行去噪，之后用基于模糊理论的图像增强原理对图像做进一步增强， 有效提高了路面裂缝图像的对比度。针对路面裂缝图像分割，本文分别用了阈值分割和基于形态学多尺度的思想，对于形状规则的裂缝采用的是阈值分割，对于 裂缝形状不规则的图像，本文设计了一种多结构元素的抗噪型边缘检测算子，且依据不同形状的结构元素对裂缝边缘填充的几率不同，确定了自适应权重，使得 算子检测到了各种类型的裂缝边缘，有效地提高了检测的精度。对于经过分割后的路面裂缝图像中存在噪声和裂缝断裂的问题，本文对于断裂较窄的图像用形态 学中的闭运算和开运算去处理，对于断裂较宽的图像，提出了一种基于生长的断裂裂缝块的连接方法。提高了连接的效率和准确率，使整个检测结果清晰完整。 最终，从识别结果图中提取裂缝信息。根据得到的识别结果图，设定一系列判定条件，提取出裂缝的连通域，对裂缝的类型进行判断，最后计算出网状裂缝的面积及线性裂缝的长宽信息。

路面裂缝公共数据集，一共156张路面裂纹图像，比较清晰好分辨。

这是CrackForest-master代码中的公开数据集，存个档，怕以后找不到在哪里下载了，感觉图像比较清楚。

Yolov5实现道路裂缝检测-附件资源

路面破损的识别。基于密度因子的。有方向密度因子，基本密度因子和混合密度因子

基于计算机视觉matalb的路面检测设计，本方法采用二值化 大津法进行阙值选取效果尚可 仅供参考切勿盗版

使用CNN进行混凝土裂缝检测：一切

裂缝是路面表面的重要病害之一。传统的裂缝检测依赖于人工的视觉检查，在实际操作中费时费力。虽然传统的图像处理技术在一定程度上可使裂缝检测与分割更加自动化，但是图像处理技术易受到由光照、模糊等引起的一些噪声的影响。为了完成复杂环境下对路面裂缝的分割及检测，提出了一种基于改进的全卷积神经网络（Fully Convolutional Networks，FCN）的分割方法，根据建立的数据集训练传统FCN和优化后的FCN，测试结果表明其平均交并比（mean_IoU）得到了一定的提高，故该方法能够较准确地分割出路面裂缝。

针对传统裂缝图像分割方法不能准确提取混凝土表面裂缝的难题,提出了一种改进的轻量级全局卷积网络的路面裂缝图像分割模型。根据深度卷积网络原理,使用大卷积核对裂缝图像进行分类和定位,针对裂缝特征构建轻量级的语义分割MobileNetv2-GCN模型。实验对比结果表明,该模型在三个公开裂缝数据集上都表现出优越的性能。采用中轴骨架算法提取语义分割后的裂缝骨架,计算裂缝平均宽度的物理值,其实验结果具有较高的准确性,可为公路健康检测提供可靠的数据支持。

基于卷积神经网络的路面病害检测技术，欧阳林澍，徐国胜，快速、准确的裂缝自动识别对于保障行车安全具有重要的意义。现有的裂缝识别技术大多基于人工提取局部图像特征或边缘检测等方法，