[發明專利]一種基于ABC—BP神經網絡的裂縫識別方法及系統

在審

• 申請號: 201811420385.1
• 申請日: 2018-11-26
• 公開（公告）號: CN109615615A
• 公開（公告）日: 2019-04-12
• 發明（設計）人: 王育堅;譚衛雄;李深圳
• 申請（專利權）人: 北京聯合大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 北京馳納智財知識產權代理事務所(普通合伙) 11367
• 代理人: 謝亮

本發明提供一種基于ABC—BP神經網絡的裂縫識別方法及系統，其中方法包括提取路面裂縫圖像的特征矢量還包括以下步驟：使用優化后的BP神經網絡訓練測試樣本；采用所述測試樣本的預測值和真實值的交叉熵作為所述矢量特征的目標函數，完成對所述路面裂縫圖像的識別。本發明提出一種基于ABC—BP神經網絡的裂縫識別方法及系統，通過加入自適應因子對人工蜂群（Artificial bee colony，ABC）算法的搜索位置和概率選擇進行改進，利用改進的ABC算法去優化BP神經網絡的權值與閾值，建立一種改進的ABC—BP混合神經網絡路面裂縫識別算法，通過實驗驗證了該算法具有較好的通用性與有效性。

技術領域

本發明涉及數字圖像處理的技術領域，特別是一種基于ABC—BP神經網絡的裂縫識別方法及系統。

背景技術

人工蜂群算法(ABC)是根據自然界蜜蜂總是能尋找優良蜜源而模擬的一個群智能優化算法。蜜蜂通過跳舞來傳遞蜜源信息。蜂群利用蜜源、采蜜蜂、觀察蜂和偵查蜂這四個部分來實現智能采蜜。對此，還引用了三種基本的行為模式：搜索模式、招募模式和選擇模式。算法中蜜源即為解空間內的可能解；采蜜蜂攜帶了具體的蜜源信息，并通過擺舞來分享這些信息；觀察蜂則在蜂巢等待，并通過分享采蜜蜂的信息去尋找蜜源；偵查蜂則隨機搜索一個新的位置。

BP神經網絡由一個輸入層、一個輸出層和一個或者多個隱含層組成，同層神經元之間無連接，異層神經元之間向前全連接，見圖1所示。BP神經網絡的主要核心是BP算法，BP算法主要由信息的正向傳播與誤差的反向傳播兩部分組成。其主要核心是反向傳播，先初始化權重和閾值，網絡通過一次正向傳播將信息從輸入層經隱含層逐層計算到輸出層，計算其實際值和真實值的誤差，看其誤差是否達到期望值，如果沒有達到，則通過反向傳播將誤差信號沿原來的連接通路反傳回來修改各層神經元的權值和閾值，直至達到期望值或到達最大限制步數。

目前，路面裂縫檢測技術大多數集中于邊緣檢測和閾值分割，但是對于噪聲污染大的裂縫圖像十分敏感，穩定性欠佳。對于路面圖像噪聲污染大，隨機性強等問題，邊緣檢測和閾值分割等傳統方法在處理裂縫圖像上已經很難滿足其精度要求了。而在路面裂縫圖像識別中，神經網絡技術也占著極為重要的位置，其中，BP神經網絡是應用在路面裂縫圖像識別中較廣泛的一種神經網絡算法。但是其算法存在全局搜索能力差、收斂性慢及容易陷入局部最小值等缺點。作為一種新的群智能優化算法—人工蜂群算法，相對于其它群智能優化算法，其主要有能跳出局部最小值，參數少等優點。但也存在收斂速度慢、局部搜索能力差等問題。

公開號為CN108259498A的發明專利公開了一種基于人工蜂群優化的BP算法的入侵檢測方法及其系統，該方法包括：對采集的主機日志文件和網絡數據形成一包進行預處理，獲得主機日志文件和網絡數據的特征向量并轉化為BP神經網絡算法可識別的輸入值；對BP神經網絡算法進行初始化，將連接輸入層與隱藏層的權值W_ij和連接隱藏層與輸出層的權值W_jk作為人工蜂群算法的優化目標初始化人工蜂群算法的參數，將最佳蜜源傳回BP神經網絡算法替換輸入層與隱藏層的權值W_ij和連接隱藏層與輸出層的權值W_jk；根據BP神經網絡算法的輸出值對用戶的行為進行相應的相應操作。該方法的缺點是前期收斂速度慢，后前搜索能力欠缺。

發明內容

為了解決上述的技術問題，本發明提出一種基于ABC—BP神經網絡的裂縫識別方法及系統，通過加入自適應因子對人工蜂群(Artificial bee colony，ABC)算法的搜索位置和概率選擇進行改進，利用改進的ABC算法去優化BP神經網絡的權值與閾值，建立一種改進的ABC—BP混合神經網絡路面裂縫識別算法，通過實驗驗證了該算法具有較好的通用性與有效性。

本發明第一目的是提供一種基于ABC—BP神經網絡的裂縫識別方法，包括提取路面裂縫圖像的特征矢量，還包括以下步驟：

步驟1：使用優化后的BP神經網絡訓練測試樣本；