融入视觉注意机制的路面裂缝检测与识别

针对实际路面裂缝检测中存在复杂噪声干扰的问题,根据裂缝和背景像素的视觉差异,设计一种融入视觉注意机制的路面裂缝自动检测与识别算法。通过灰度校正和各向异性扩散滤波的预处理方法滤除部分噪声,利用全局和局部灰度对比度信息计算裂缝显著值,融合生成综合显著图粗定位裂缝区域。在此基础上,依据裂缝区域的形状特征使用形状分析法进行去噪和目标提取,实现裂缝的精确定位。实验结果表明,该算法能快速有效地检测出裂缝区域,与基于阈值分割、边缘检测或小波变换的裂缝检测算法相比,具有较高的检测精度。     

基于图像增强与分水岭分割的隧道低对比度裂缝提取方法

在实际的隧道裂缝检测中,存在细小、对比度低且有污渍点干扰的隧道裂缝,利用常规方法很容易漏检裂缝。为了解决此问题,提出一种基于图像增强与分水岭分割的裂缝提取算法,该算法有效利用背景信息补偿了污渍点,均衡了图像背景对比度。结合高低帽变换方法对图像进行增强,然后根据分水岭算法获取分水岭分割线;比较分割线所在位置的灰度值与其周边灰度值,并通过灰度值差异判断裂缝边缘,从而提取裂缝。实验结果表明,所提算法能够准确、有效地检测出完整的隧道裂缝,且对噪声具有鲁棒性。     

基于直线段特征单元提取的隧道砼衬砌接缝去除算法

由于部分隧道砼衬砌表面图像中固有衬砌接缝与裂缝灰度值相似且线性一致,衬砌接缝处易产生起砂、空鼓、掉块及渗漏水,已有的裂缝检测算法提取单一的裂缝存在缺陷。提出基于直线段特征单元提取的隧道砼衬砌表面衬砌接缝去除算法。在裂缝聚类特征粗检测的基础上,首先通过改进的累计概率霍夫变换检测出显著的直线特征;然后利用像素点的延伸搜索计算来提取衬砌接缝可处理的最小直线段特征单元线;最后根据单元线标记信息及定区域内单元线特征去除部分衬砌接缝,并运用渗流去噪算法得到隧道砼衬砌表面真实裂缝。实验结果表明,提出的算法弥补了已有隧道砼衬砌表面裂缝检测技术的不足,能够精确、快速、有效地去除相似线性特征对单一的真实裂缝检测的干扰,具有较强的鲁棒性。     

基于图像分析的路面裂缝检测识别研究

为了改善传统人工公路路面裂缝的检测效率与精度以及耗费大量人力物力,采用数字图像处理技术对公路路面裂缝进行检测识别.把采集到野外公路路面裂缝图像进行灰度化、灰度直方图均衡化、低帽滤波变换、滤波去噪、阈值分割操作检测识别出路面裂缝区域,提取线性裂缝提取骨架并求出其长度和最大最小宽度.通过使用MATLAB软件编制图像处理程序,验证本文提出的路面裂缝识别算法能够有效检测识别路面裂缝.     

形态学与区域延伸相结合的图像裂缝检测算法研究

在复杂背景下,由于光照不均、混凝土气泡、阴影等噪声干扰,导致路面裂缝误检并存在不同程度的断裂。为了解决此问题并实现路面裂缝的精确检测,提出一种结合数学形态学和区域延伸的裂缝检测算法。该算法首先用形态学对自然条件下采集的路面图像进行预处理,并结合Canny边缘检测和形态学来对裂缝进行粗略检测,然后用区域延伸算法对裂缝进行精确检测,最后对检测裂缝进行后处理。实验结果表明,提出的算法能够对图像裂缝进行高效、精确的检测。     

基于改进 Mask R-CNN 深度学习算法的隧道裂缝智能检测方法

隧道裂缝检测是避免隧道重大灾害和日常养护的重要工作,但传统人工检测工作量巨大,无法 满足实际需求。采用深度学习神经网络 Mask R-CNN 模型对裂缝进行智能自动检测,避免了人工检测的耗时耗 力。通过调整算法参数,优化模型检测结果,获得适用于隧道裂缝检测的 Mask R-CNN 模型。针对自动识别的 裂缝结果,进一步计算其几何特征参数。为充分利用裂缝狭长弯曲特性,体现裂缝走向及基本形态,提出了基 于骨架提取和函数拟合思想的裂缝几何特征计算方法。根据裂缝骨架,可获得裂缝走势,计算裂缝长度。通过 函数拟合,可得到贯穿裂缝狭长区域的函数,根据函数法向量计算宽度。根据裂缝几何参数计算结果,结合规 范规定的须修复裂纹宽度要求,可实现隧道裂缝检测自动预警,为隧道裂缝自动检测提供了技术支撑。     

基于图像分析的路面裂缝检测识别系统

当公路路面开裂后,及时对路面裂缝进行维护才能有效降低公路的维护成本、提高公路的使用寿命。开发路面裂缝的检测识别系统不仅降低公路维护成本,而且可以防止意外发生,保护人身安全。首先,对图像进行预处理,目的是消除图像上的干扰裂缝识别的噪声。然后对图像进行检测识别,在图像上标记出裂缝准确区域,通过EXCEL保存试验所提取的裂缝参数信息。本系统通过使用Matlab软件编写程序实现整个图像裂缝识别过程。仿真实验结果表明,本系统能有效识别路面裂缝,大大效降低工人养护路面的成本和效率。     

生成式对抗网络下路面裂缝图像检测识别仿真

为了有效提高生成式网络下路面裂缝检测精度,针对路面裂缝图像的复杂多样性,提出一种基于分水岭算法的路面裂缝图像检测识别方法。通过对路面裂缝图像进行分析,采用邻近区域相关知识对路面裂缝图像进行虚假裂缝去除,提取出路面真实裂缝纹理图像,引用分水岭算法对裂缝图像进行分割,获取细化后的检测图像,并将相同路面的两种图像进行融合,完成路面裂缝图像检测识别。实验结果表明,所提出基于分水岭算法的路面裂缝图像检测识别方法检测时间较短、检测准确率较高、误报率较低。     

强干扰条件下机场道面细小裂缝自动识别算法

针对机场道面裂缝极其细小,而基于深度相机的裂缝检测技术面临道面表观结构复杂和平台剧烈震动的双重强干扰的难题,提出了结合L2正则化与动态阈值贪心策略的道面主轮廓建模算法,并基于此实现了机场道面毫米级细小裂缝的精确检测。首先,设计了基于L2正则化约束的道面主轮廓模型估计方法,解决了因表观结构复杂而导致的道面主轮廓过拟合问题;其次,提出基于动态阈值的改进贪心算法,通过迭代去除异常点的方式抑制检测平台震动带来的噪声干扰;最后,基于构建的道面主轮廓模型,提取并融合多方向的机场道面主轮廓,并利用裂缝的深度与形态信息实现裂缝提取。通过在真实机场道面数据集上的测试结果表明,该算法能够精确地完成道面主轮廓重建和细小裂缝识别,且识别性能优于多种现有经典的裂缝检测算法。     

基于局部纹理特征的沥青路面裂缝检测方法

针对不均匀光照和阴影等因素影响沥青路面图像中裂缝检测误识别问题,提出一种基于局部纹理特征的沥青路面裂缝检测方法。设计结构保持型Retinex算法将高频的纹理信号从低频光照信号和结构型纹理中分离,改进百分比阈值算法,获取高信噪比的裂缝区域二值图像,建立高置信裂缝段的特征匹配机制,利用圆形度、面积、不同置信裂缝的类间欧氏距离进行置信连通域邻域去噪,实现裂缝区域的提取。实验结果表明,该算法改善了不均匀光照和阴影情况下裂缝识别的准确性。     

基于全卷积神经网络的单幅隧道图像裂纹提取算法

提出一种基于全卷积神经网络的单幅隧道图像裂纹提取算法,能够有效避免复杂背景下的伪裂纹噪声点干扰,实现对隧道裂纹的精确分割。首先,构建深度残差网络模型提取裂纹特征;其次,使用改进的全卷积神经网络中的反卷积操作恢复裂纹特征图的尺寸和裂纹细节;为了提升裂缝提取的精细程度,提出一个细节修复模块来保持裂缝的完整性与边缘细节;最后,公开一个裂纹数据集NUAACrack-2000,包含2 000幅隧道裂纹图像与精准标注标签。实验表明,提出的算法在避免噪声点干扰方面优于传统图像分割算法;在保留提取裂纹的整体性以及边缘细节处理方面优于基于机器学习的主流裂纹提取算法。     

基于FCN与视场柱面投影的隧道渗漏水面积检测

针对隧道渗漏水病害面积检测中由于复杂环境干扰和隧道几何柱面形状影响而造成较大误差的问题，设计了基于FCN与视场柱面投影算法渗漏水面积检测算法。研制了无人病害巡检车，实现了隧道病害数据的无人采集，通过将FCN处理后的渗漏水病害图片进行视场转换和柱面投影模型的优化，提高了所计算病害面积的准确性。实验结果表明，该算法相比OSTU法、分水岭法和自适应阈值法算法使误检率下降至0.0189，有效提升了隧道渗漏水面积检测的精度。     

一种基于自动特征工程与压缩感知的网络隧道检测方法

利用网络隧道进行攻击、窃密等成为近年来网络安全领域的热点问题。如何提高大规模网络隧道检测分析时带来的识别精度低的问题亟需解决。针对基于DNS、HTTP协议的主流隧道检测问题,提出一种基于自动特征工程与压缩感知相结合的网络隧道检测方法。通过自动特征工程挖掘出更深层次的网络隧道特征,同时通过压缩感知算法在不损失高维特征精度的基础上实现降维,提高计算效率。在大规模真实数据集上实验结果表明,DNS隧道检测的F-measure值能达到95%,HTTP隧道检测的F-measure值能达到82%以上。     

基于改进全卷积一阶检测器的桥梁裂缝定位算法

为解决桥梁裂缝检测时定位速度慢的问题,提出一种基于全卷积一阶（FCOS）检测器的裂缝定位改进算法。本算法采用FCOS网络模型,利用轻量级骨干网络Efficientnet提取裂缝图像特征,作为改进措施,引入加权双向特征金字塔网络（BiFPN）融合裂缝图像不同尺度的特征,从而进一步增强骨干网络的视觉特征提取效果。在自制数据...     

基于改进U-Net网络的隧道裂缝分割算法研究

针对复杂背景下隧道的细小裂缝图像特征难以提取以及裂缝像素类别不平衡等问题,提出了一种改进U-Net网络的隧道裂缝分割算法。将U-Net模型的编码器和解码器与残差模块相结合,使得网络参数共享,并避免出现深层网络梯度消失的问题;在此结构基础上引入挤压和激励（Squeeze and Excitation,SE）模块来提升重要特征,抑制无用特征,加强对裂缝边缘和形状等特征的权重分配;采用组合损失函数来处理裂缝像素正负样本不平衡的问题,进一步获得更加精细的分割结果。在公共隧道裂缝数据集和自制数据集上设计对比实验来验证改进模型的有效性。结果表明：该算法对裂缝的分割精度均优于其他方法,F1-Score分别达到了76.36%和75.46%,并且运行速度也有明显的提升,可以很好地满足实际工程的应用需求。     

基于空洞卷积和多特征融合的混凝土路面裂缝检测

混凝土路面的裂缝检测是确保道路安全的重要基础任务。针对混凝土路面的复杂背景和裂缝本身复杂的拓扑结构,提出了一种基于空洞卷积和多特征融合的混凝土路面裂缝检测网络,该网络采用基于U-Net的编码-解码结构。在编码阶段,使用改进的残差网络Res2Net提高特征提取能力;在网络的中间部分,使用串联和并联相结合的不同空洞率的空洞卷积,从而在增加特征点的感受野的同时不会降低特征图的分辨率;在解码阶段,融合了从低层卷积到高层卷积的多尺度和多级特征,提高了裂缝检测的准确性。为证明所提算法的有效性和准确性,将其与现有的部分检测方法进行了比较并使用F-score来评估检测性能。在多个混凝土路面数据集上的实验结果表明,该算法提高了裂缝检测的准确性,具有较好的鲁棒性。     

基于遗传神经网络的机场跑道局部影响的裂缝检测算法

针对机场跑道裂缝的自主识别和提取过程中存在的阴影、光照不均匀以及效率和精度难以兼顾等一系列问题,提出利用遗传算法优化神经网络的机场道面裂缝检测算法。首先,将拍摄的机场道面裂缝图像进行预处理,包括图像灰度化、高斯滤波以及ROI区域确定。设定神经网络拓扑结构,初始化编码长度以权值阈值及等参数,利用选择、交叉和变异等操作反复执行至最佳进化解,进而搭建匹配的神经网络,获得最大分割阈值。结果表明,遗传神经网络算法在综合评价、召回率、和准确率3个评价指标上均具有显著提升,其均值分别为93.22%、96.28%、90.75%,实现了在复杂背景下对裂缝提取的目标,为机场道面的后期维护和保养提供了技术支持。     

基于多尺度特征融合的人群密度检测

基于深度学习的人群密度检测算法取得了巨大进步,但该算法在实际复杂场景中的检测准确性和鲁棒性还有很大的提升空间.复杂场景下目标尺度不一致和背景信息干扰等因素使得人群密度检测成为一项具有挑战性的任务.针对该问题,提出了一种基于多尺度特征融合的人群密度检测网络.该网络首先利用不同分辨率图像并行交互提取人群粗细粒度特征,并引入多层次特征融合机制,以充分利用多层尺度信息.其次采用空间和通道注意力机制突出人群特征权重,聚焦感兴趣的人群,降低背景信息干扰,生成高质量密度图.实验结果表明,在多个典型的公共数据集上与具有代表性的人群密度检测方法相比,多尺度特征融合的人群密度检测网络具有良好的准确性和鲁棒性.