基于改进OCRNet的复杂背景裂缝分割方法OA

裂缝是建筑结构损伤的重要表观特征,对裂缝高效、准确检测是提高建筑安全性的重要手段。由于裂缝在图像中细长的线状形态,以及建筑结构表面划痕、油漆、阴影、破损、水渍等干扰,使裂缝特征的有效表示非常困难。论文针对上述问题提出了一种改进OCRNet的裂缝图像语义分割方法,首先为了克服分割任务样本少的问题,采用了数据增强方法,保证了模型训练的样本需要;其次,为了更好地描述裂缝细长形态,采用空洞卷积使感受野覆盖更大区域,在不增加模型复杂度的前提下提高了对裂缝形态与背景干扰的表示能力;最后,调整OCR结构的输入,在模型中引入SE注意力机制,通过像素位置与上下文像素,获得增强的像素表示,在通道方面实现了对复杂背景中裂缝特征的细致描述。通过系列实验证实,论文方法从裂缝特征的有效表示入手,显著提高了对复杂背景裂缝分割的效果,能够满足工程应用要求。