共 4 条
- [4] Attention Guided U-Net for Accurate Iris Segmentation[J] . Sheng Lian,Zhiming Luo,Zhun Zhong,Xiang Lin,Songzhi Su,Shaozi Li.Journal of Visual Communication and Image Represe . 2018
采用U-Net卷积网络的桥梁裂缝检测方法
被引：51
|作者：
朱苏雅
[1
]
杜建超
[1
]
李云松
[1
]
汪小鹏
[2
]
机构：
[1] 西安电子科技大学综合业务网理论及关键技术国家重点实验室
[2] 西安公路研究院
来源：
关键词：
图像处理;
桥梁裂缝检测;
卷积神经网络;
U-Net网络;
D O I：
10.19665/j.issn1001-2400.2019.04.006
中图分类号：
U446 [桥梁试验观测与检定];
TP183 [人工神经网络与计算];
TP391.41 [];
学科分类号：
080203 ;
081104 ;
0812 ;
0814 ;
081406 ;
0835 ;
1405 ;
摘要：
针对传统的桥梁裂缝检测准确性不高、丢失细节信息、宽度信息获取困难等问题,提出一种采用UNet卷积网络的像素级、小样本的裂缝检测方法。该方法使用多层卷积自动提取裂缝特征,并利用浅层网络与深层网络叠加的方法实现裂缝局部特征与抽象特征的融合,从而保留裂缝细节特征,使得检测准确性大大提升。对检测结果中出现的背景杂波和伪裂缝,采用阈值法和改进的迪杰斯特拉连接算法来实现裂缝的精细提取。最后,采用八方向搜索法实现裂缝宽度的精确测量。实验证明,所提方法能准确、完整地对桥梁裂缝进行提取,宽度测量准确,可以满足应用需求。
引用
收藏
页码：35 / 42
页数：8
相关论文