用于鲁棒裂缝检测的由粗到细裂缝线索
计算机视觉与模式识别
2025-07-24 v1 神经与进化计算
图像与视频处理
摘要
裂缝检测是计算机视觉中的一项重要任务。尽管在数据集内取得了令人瞩目的性能，但基于深度学习的方法在泛化到未见领域时仍然存在困难。裂缝的细长结构特性通常被以往的方法所忽略。在本工作中，我们引入了 CrackCue，一种基于由粗到细裂缝线索生成的鲁棒裂缝检测新方法。其核心概念在于利用细长结构特性生成鲁棒的裂缝线索，以指导裂缝检测。具体而言，我们首先对裂缝图像应用简单的最大池化和上采样操作。这产生了一个粗略的无裂缝背景，基于此可以通过重建网络获得精细的无裂缝背景。原始图像与精细无裂缝背景之间的差异提供了精细的裂缝线索。这种精细线索嵌入了鲁棒的裂缝先验信息，不受复杂背景、阴影和多变光照的影响。作为一种即插即用的方法，我们将所提出的 CrackCue 结合到三种先进的裂缝检测网络中。大量实验结果表明，所提出的 CrackCue 显著提升了基线方法的泛化能力和鲁棒性。源代码将公开发布。
引用
@article{arxiv.2507.16851,
title = {Coarse-to-fine crack cue for robust crack detection},
author = {Zelong Liu and Yuliang Gu and Zhichao Sun and Huachao Zhu and Xin Xiao and Bo Du and Laurent Najman and Yongchao Xu},
journal= {arXiv preprint arXiv:2507.16851},
year = {2025}
}