基于图像增强和U-Net的道路缺陷检测研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信

摘 要：随着交通基础设施的迅速发展，道路缺陷的及时检测对保障行车安全与道路维护具有重要意义。然而，在复杂环境条件下传统图像分割方法精度不足。为此，文章提出一种融合图像增强与深度学习的道路缺陷检测方法。首先，利用Retinex匀光算法与灰度变换方法对图像进行预处理，以提升图像亮度一致性与对比度。随后，构建基于U-Net的卷积神经网络模型，实现对道路缺陷的像素级分割。（剩余7049字）

试读结束

目录
monitor
客服机器人