基于卷积神经网络与区域生长法的建筑裂缝识别

作者:吴子燕; 贾大卫; 王其昂
更新时间:

基于卷积神经网络(CNN)的建筑物裂缝识别结果大多是包含裂缝的bin图像,而不是裂缝本身。本文将CNN方法与区域生长方法相结合,提出了一种两阶段的裂纹特征提取方法。采用数据扩展方法建立裂缝图像数据库,包括Alexnet、Vgg16、Vgg19、Inception-V3的五个典型CNN和ResNet50用于裂缝识别。考虑到样本图像的整体精度、单个图像的裂缝识别精度和背景图像的可信度,确定精度最高的CNN来获得裂缝面板图像。利用区域生长法从CNN识别出的裂缝面板图像中提取裂缝特征,得到像素级的裂缝图像。研究表明,Inception-V3网络在裂纹识别中具有较高的识别精度。采用区域生长法提取裂纹特征,可以获得高精度的裂纹特征图像。本研究提供了一种高精度的建筑裂缝识别方法