3D 混凝土图像中裂纹预检测的统计方法
计算机视觉与模式识别
2025-11-24 v2 应用统计
摘要
在实际应用中，有效分割大规模计算机断层扫描 (CT) 图像中的裂纹对于理解材料的结构完整性具有重要意义。经典图像处理技术和现代深度学习模型在直接应用于高分辨率大数据体积时都面临巨大的计算挑战。本文介绍了一种用于裂纹预定位的统计框架，其目的不是取代或与分割网络竞争，而是以受控的错误率识别 3D CT 图像中最可能包含裂纹的区域。该方法结合了一个简单的基于 Hessian 的滤波器、在规则空间分区上计算的几何描述符以及空间多重检验程序，以检测异常区域，同时仅依赖最小的校准数据，而非大型标注数据集。在半合成和真实 3D CT 扫描上的实验表明，所提出的方法能够可靠地突出显示可能包含裂纹的区域，同时保持线性计算复杂度。通过将后续的高分辨率分割限制在这些局部区域，可以更高效地训练和操作深度学习模型，从而减少训练运行时间和资源消耗。因此，该框架为大规模 CT 检测流程提供了一个实用且可解释的预处理步骤。
引用
@article{arxiv.2402.16126,
title = {A statistical method for crack pre-detection in 3D concrete images},
author = {Vitalii Makogin and Duc Nguyen and Evgeny Spodarev},
journal= {arXiv preprint arXiv:2402.16126},
year = {2025}
}