用于复杂场景裂缝分割的多层次特征提取算法

作     者：刘清华 吕伟才 仲臣 韩雨辰 徐锦修 LIU Qinghua;LYU Weicai;ZHONG Chen;HAN Yuchen;XU Jinxiu

作者机构：安徽理工大学空间信息与测绘工程学院安徽淮南232001 安徽理工大学矿区环境与灾害协同监测煤炭行业工程研究中心安徽淮南232001 安徽理工大学矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室安徽淮南232001 

出 版 物：《无线电工程》 (Radio Engineering)

年 卷 期：2022年第52卷第10期

页      面：1747-1754页

学科分类：13[艺术学] 081802[工学-地球探测与信息技术] 08[工学] 1305[艺术学-设计学（可授艺术学、工学学位）] 083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081104[工学-模式识别与智能系统] 0818[工学-地质资源与地质工程] 0804[工学-仪器科学与技术] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金面上项目(41474026) 安徽省自然科学基金项目(2008085MD114) 安徽省重点研究与开发计划(202104a07020014) 安徽省教育厅(2018jyxm0192) 

主　　题：裂缝识别 卷积神经网络 裂缝分割 语义分割 引导滤波 

摘      要：针对目前裂缝识别算法大多基于单一自有数据集进行识别,在更换数据集之后效果较差、难以适应复杂场景检测的问题,提出了一种适用于复杂场景的裂缝分割算法,该算法基于卷积神经网络(Convolutional Neural Network,CNN),在HED网络的基础上增加了卷积层,并在各卷积层中增加了批标准化层,应用引导滤波对分割结果细化,取得了更完善精准的分割。验证结果表明,与Ground Truth平均交并比(mean Intersection over Union,mIoU)达到86.9%,且处理速度与其他算法相比具有一定优势。综合对比验证了算法的优越性及可行性,为解决裂缝识别提供了新的方法。