MSCrackMamba：利用Vision Mamba进行融合多光谱图像中的裂缝检测
计算机视觉与模式识别
2026-01-26 v1 人工智能
多媒体
摘要
裂缝检测是结构健康监测中的关键任务，旨在评估桥梁、建筑和道路的结构完整性，以防止潜在失效。基于视觉的裂缝检测因易于实现和有效性而成为主流方法。将红外（IR）通道与红、绿、蓝（RGB）通道融合可增强特征表示，从而提高裂缝检测性能。然而，IR和RGB通道常在分辨率上存在差异。为对齐两者，通常需要对高分辨率RGB图像进行下采样以匹配IR图像分辨率，这会导致细节丢失。此外，裂缝检测性能受限于传统图像分割网络的感受野有限和计算复杂度高。针对上述挑战，本研究引入一种称为MSCrackMamba的两阶段范式，利用Vision Mamba和超分辨网络。具体而言，为对齐IR和RGB通道，首先对IR通道应用超分辨以匹配RGB通道分辨率进行数据融合。随后采用Vision Mamba作为主干网络，同时使用UperNet作为解码器进行裂缝检测。我们的方法在大型裂缝检测数据集Crack900上得到验证，相较于最佳基准方法实现mIoU提升3.55%。
关键词
引用
@article{arxiv.2412.06211,
title = {MSCrackMamba: Leveraging Vision Mamba for Crack Detection in Fused Multispectral Imagery},
author = {Qinfeng Zhu and Yuan Fang and Lei Fan},
journal= {arXiv preprint arXiv:2412.06211},
year = {2026}
}