面向图像基结构健康监测的鲁棒视角校正：实世界裂缝演化跟踪
计算机视觉与模式识别
2025-07-01 v1
摘要
在结构健康监测(SHM)中，尤其是在涉及视角畸变、遮挡和低对比度的实际场景下， accurate image alignment 对监测裂缝演化至关重要。然而，传统特征检测器如 SIFT 和 SURF 依赖高斯尺度空间，倾向于抑制高频边缘，因而不适用于薄裂缝定位。轻量二值化替代方案如 ORB 和 BRISK 虽计算效能高，但在纹理或阴影表面上常表现出较差的关键点重复性。本研究提出一种基于物理的对齐框架，将开源 KAZE 架构适配至 SHM 特定挑战。通过利用非线性各向异性扩散构建保裂缝尺度空间，并集成基于 RANSAC 的单应性估计，该框架无需训练、参数调优或先验标定，即可实现精确的几何校正。该方法在包含阴影干扰、裁剪、斜视角和表面杂乱等多种实际场条件下，通过手持智能手机获取的砖砌和混凝土时序图像进行验证。与经典检测器相比，所提框架在裂缝面积和脊柱长度误差上分别降低最高可达 70% 和 90%，同时保持关键指标的亚 5% 对齐误差。该方法无监督、可解释、计算轻量，支持通过无人机和移动平台进行大规模部署。通过将非线性尺度空间建模量身定制于 SHM 图像对齐，该工作为跟踪真实世界裂缝演化提供了稳健且基于物理的替代方案。
引用
@article{arxiv.2506.22437,
title = {Robust Perspective Correction for Real-World Crack Evolution Tracking in Image-Based Structural Health Monitoring},
author = {Xinxin Sun and Peter Chang},
journal= {arXiv preprint arXiv:2506.22437},
year = {2025}
}
备注
43 pages, 5 figures, 19 tables. Submitted to NDT&E International. This work may also be of interest to researchers in optical NDE and civil engineering SHM