1 西安建筑科技大学 信息与控制工程学院，陕西西安70055
2 建筑机器人陕西省高等学校重点实验室，陕西西安710055
3 西安市建筑制造智动化技术重点实验室，陕西西安710055
针对混凝土表面裂缝分割过程中分割精度低、细微裂缝漏分和背景干扰等问题，提出一种联合线性引导和网格优化的裂缝分割模型。首先，在主干网络中引入多分支线性引导模块，通过自适应单维度池化增强网络对裂缝线性结构的表达能力，让不同区域的裂缝建立联系，增强全局上下文信息感知能力，提高网络分割精度；然后，提出网格细节优化模块，通过分区-优化-合并三步骤，将整个空间域划分为若干个空间网格，提取空间网格中的细微裂缝信息，防止细微裂缝漏分；最后，在主干网络的跳跃连接处嵌入混合注意力模块，在空间和通道双维度突出裂缝特征，减少背景干扰。在Deepcrack537，Crack500和CFD裂缝数据集上，所提模型的IoU值分别达到77.07%，58.96%和56.55%，F1-score值分别达到87.05%，74.19%和72.24%，明显优于大多数现有方法，具有更高的分割精度。
裂缝图像 线性引导 语义分割 网格优化 注意力机制 crack image linear guide semantic segmentation mesh optimization attention mechanism
1 南京信息工程大学 计算机与软件学院
2 电子与信息工程学院, 南京 210000
针对裂缝图像获取困难导致的样本少、传统数据扩充方法提升样本特征空间能力不足等问题, 提出了一种基于改进深度卷积生成对抗网络(MDCGAN)的裂缝样本扩充方法。首先对数据集进行预处理, 利用滑窗法进行数据降维和清洗; 其次优化激活函数, 提高生成特征的多样性, 同时引入谱归一化进行权重标准化提升网络结构的稳定性, 以生成高质量的裂缝数据集; 最后, 利用改进的Alexnet网络对扩充后的混合样本集进行特征提取并分类识别。结果表明, MDCGAN网络数据增强性能与传统扩充方法相比均有明显提高, 适用于扩充裂缝图像。
深度卷积生成对抗网络 数据增强 裂缝图像 谱归一化 激活函数 deep convolution generative adversarial network data argumentation crack image spectral normalization activation function
1 上海理工大学 机械工程学院， 上海 200093
2 上海应用技术大学 城市建设与安全工程学院， 上海 201418
针对桥梁裂缝图像精度要求高，拼接质量受原图像亮度变化大、噪声干扰严重和对比度低的影响，提出了一种结合几何代数改进的SIFT桥梁裂缝图像的新型拼接算法。对SIFT算法进行了两方面的改进: 一是通过几何代数空间的表示形式提取了待拼接图像的色度图像，克服了SIFT算法中色度信息丢失的不足; 二是改进了SIFT算法对灰度图像建立尺度空间的方法，构建了新的可适用于多光谱图像的高斯滤波和卷积运算，确定了尺度空间。通过几何代数DoG空间检测特征点并进行预匹配。使用改进的RANSAC算法对匹配结果进行修正，完成了图像之间的精确拼接。实验结果表明，所提算法的性能优于SIFT算法，提取的特征点对数量提高了近10%; 拼接过程中未产生位错现象，最终拼接结果满足桥梁裂缝图像的精度要求。
裂缝图像 几何代数 损失函数 图像拼接 crack image geometric algebra loss function image stitching
