基于多尺度特征融合網(wǎng)絡(luò)的路面裂縫分割方法研究

李朝勇，張成，韋海丹

廣西防城港核電有限公司，防城港 538001

1 引 言

道路安全問(wèn)題至關(guān)重要，路面裂縫是威脅道路安全的重要因素之一（翁飄等，2019)。傳統(tǒng)的路面裂縫檢測(cè)方法主要采用人工目視，這會(huì)耗費(fèi)大量的人力物力，檢測(cè)的精度也相對(duì)較低。近年來(lái)，隨著影像技術(shù)的發(fā)展，使用路面裂縫采集設(shè)備采集路面影像，并使用計(jì)算機(jī)視覺(jué)算法從影像中提取裂縫的方法逐漸成為研究熱點(diǎn)（Guan 等，2021；Chen等，2023)。在諸多計(jì)算機(jī)視覺(jué)算法中，主要有數(shù)字圖像處理和深度學(xué)習(xí)兩種方法（Cao 等，2020)。基于數(shù)字圖像處理的方法主要為邊緣檢測(cè)、形態(tài)學(xué)等針對(duì)裂縫低級(jí)特征而設(shè)計(jì)的提取方法。如Chanda等（1998)提出了基于多尺度結(jié)構(gòu)元素的形態(tài)學(xué)邊緣檢測(cè)，具有較強(qiáng)的抗噪性。Abdel-Qader 等（2003)將快速傅里葉變換、快速哈爾變換、坎尼算子、Sobel算子應(yīng)用于裂縫檢測(cè)中，結(jié)果表明快速哈爾變換對(duì)裂縫的檢測(cè)效果最好，但該類算法對(duì)噪聲仍很敏感。Yamaguchi 和Hashimoto（2007)提出了基于滲流模型的裂縫檢測(cè)算法，該算法將各像素點(diǎn)在其對(duì)應(yīng)的局部窗口內(nèi)進(jìn)行區(qū)域生長(zhǎng)，根據(jù)生長(zhǎng)的結(jié)果判斷該像素點(diǎn)是否為裂縫點(diǎn)。此類研究多針對(duì)某一特定數(shù)據(jù)集的方法，模型的泛化能力較弱。

隨著深度學(xué)習(xí)技術(shù)在圖像處理領(lǐng)域的廣泛應(yīng)用，卷積神經(jīng)網(wǎng)絡(luò)在圖像分類和目標(biāo)檢測(cè)領(lǐng)域取得了很大的進(jìn)展。基于深度學(xué)習(xí)語(yǔ)義分割的裂縫分割方法因具有速度快、精度高、泛化能力強(qiáng)等特點(diǎn)，已成為路面裂縫分割任務(wù)中應(yīng)用最為廣泛的方法之一（Ali 等，2022)。……