原文传递
基于多尺度注意力和HFS的路面图像裂缝检测方法
| 论文题名： | 基于多尺度注意力和HFS的路面图像裂缝检测方法 |
| 关键词： | 路面图像;裂缝检测;多尺度注意力;犹豫模糊集 |
| 摘要： | 随着我国经济建设和各项事业的蓬勃发展，公路里程数大幅度增长，繁重的公路养护任务也随之而来。路面病害检测是养护工作中的重要任务之一，而裂缝是路面病害的突出问题。快速、准确地自动检测路面裂缝，是维护和监测复杂的运输网络系统的关键步骤。针对路面图像存在的对比度低、噪声强等问题及其中裂缝复杂拓扑结构、连续性差等特点，本文对路面图像裂缝检测方法展开研究，主要研究内容如下： （1）提出基于多尺度注意力的路面图像裂缝分割方法。针对路面图像存在的对比度低、噪声强等问题及其中裂缝拓扑结构复杂、连续性差等特点，在对路面图像应用预处理操作增强对比度的基础上，设计双重注意力（Efficient Double Attention, EDA）模块，通过跨通道注意力和局部重要性池化来分配通道和空间两个维度的权重，在抑制背景噪声的同时重点关注裂缝像素信息；设计多尺度特征融合（Multi-scale Feature Fusion, MFF）模块，融合多尺度上下文信息，提取长宽比失衡的裂缝特征信息；重新设计解码器，在双线性插值的基础上引入超分辨率任务中的亚像素卷积，使检测到的裂缝信息更加清晰，有助于检测到细小裂缝信息。 （2）提出基于犹豫模糊集（Hesitant Fuzzy Set, HFS）的路面图像裂缝分类方法。针对裂缝图像分类精度不高问题，应用连通域标记算法和拐点检测算法对路面图像进行特征描述；利用犹豫模糊集在多属性决策中的优势，设定路面图像的全局属性和局部属性及其相应的指标；通过计算待分类图像与类别标准评价的犹豫模糊集合的测度和相似度，实现路面图像裂缝分类。 在公共道路裂缝数据集 Crack500 上进行实验。在分割性能方面，所提出网络在评价指标Intersection over Union（IoU）、Precision和Dice系数上分别为55.56%、74.26%和 67.43%；在分类性能方面，横向和纵向裂缝的分类精度为 89%，块状和网状的分类精度80%和77%。实验验证了所设计方法的有效性。 |
| 作者： | 李纯 |
| 专业： | 计算机技术 |
| 导师： | 田学东;杨文良 |
| 授予学位： | 硕士 |
| 授予学位单位： | 河北大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
