论文部分内容阅读
针对公路裂缝检测中的图像分割问题,运用机器学习领域的方法,以裂缝图像为研究对象,在深入分析经典K-Means聚类算法以及高斯混合模型(Gaussian mixture model, GMM)之后,提出一个利用全局K-Means和高斯混合模型来对公路裂缝图像进行分割的方法。在全局K-Means聚类算法的基础上,采用改进策略,同时,将传统GMM的每一个概率分布进一步再细分成单个的概率成分,在辅助变量计算过程中采用期望最大化(expectation maximization, EM)算法。仿真图像和实际裂