混凝土三维图像中裂缝分割方法：基于半合成图像的对比
计算机视觉与模式识别
2021-12-20 v1 机器学习
摘要
混凝土是建筑、桥梁和道路的标准建筑材料。由于安全性在此类结构的设计、监测和维护中起着核心作用，理解混凝土的开裂行为十分重要。计算机断层扫描可捕捉建筑材料的微结构，并便于研究裂缝的萌生与扩展。在大尺寸三维图像中手动分割裂缝表面不可行。本文回顾并比较了面向三维图像的自动裂缝分割方法。考虑了经典图像处理方法（边缘检测滤波、模板匹配、最小路径和区域生长算法）和学习方法（卷积神经网络、随机森林），并在半合成三维图像上进行了测试。它们的性能强烈依赖于参数选择，这些参数应适应图像的灰度分布和混凝土的几何特性。总体而言，学习方法表现最佳，尤其对于细裂缝和低灰度对比度的情况。
引用
@article{arxiv.2112.09493,
title = {Methods for segmenting cracks in 3d images of concrete: A comparison based on semi-synthetic images},
author = {Tin Barisin and Christian Jung and Franziska Müsebeck and Claudia Redenbach and Katja Schladitz},
journal= {arXiv preprint arXiv:2112.09493},
year = {2021}
}