利用生成模型恢复压缩图像以进行自动裂缝分割

在使用数字相机监测结构表面裂缝的结构健康监测（SHM）系统中，可靠且有效的数据压缩技术对于确保无线设备（例如装有高清相机的无人机和机器人）中稳定且节能的裂缝图像传输至关重要。压缩感知（CS）是一种信号处理技术，允许以远小于奈奎斯特采样定理限制的采样率准确恢复信号。传统CS方法基于如下原理：通过正则化优化，可利用原始信号在某域中的稀疏性以高概率实现精确重建。然而，信号在可逆空间中高度稀疏这一强假设对真实裂缝图像而言相对难以满足。本文提出一种新型CS方法，用能够有效捕获目标图像低维表示的生成模型替代稀疏正则化。我们基于该新型CS方法开发了用于压缩裂缝图像自动分割的恢复框架，并利用生成模型捕获裂缝分割任务所需必要特征的强大能力，展示了该方法卓越的性能，即便生成图像的背景未被很好重建。通过与三种现有CS算法比较，说明了我们恢复框架的优越性能。此外，我们表明该框架可扩展至自动裂缝分割中的其他常见问题，例如运动模糊与遮挡下的缺陷恢复。