针对现有SegNet算法难以精确区分裂缝和灌封裂缝等具有相似特征的沥青路面病害的问题,提出了基于改进SegNet网络的沥青路面病害提取方法.针对道路标线和光照不均匀等导致路面病害图像质量差异化的因素,本研究在去除道路标线的基础上,运用带色彩恢复的多尺度视网膜增强算法,降低道路标线和光照对图像质量的影响以及增强路面病害图像的对比度、色调和亮度,提高病害的识别精度;为了充分利用图像的上下文信息,解决SegNet网络对细微病害分割效果不佳的问题,引入残差神经网络(ResNet)作为编码器,并对解码器中每个上采样产生的特征图拼接2个分别由卷积层(1×1的卷积核)和空洞卷积层从对应的编码器中获取的尺度相同的特征图;运用形态学闭运算连接分割结果中不连续的裂缝.为了验证改进算法的有效性,将其与典型的语义分割方法(SegNet和BiSeNet)在测试集上进行测试和性能对比.研究结果表明,3种方法的平均交并比(MIoU)和F1分数(F1-score)分别为(82.4％,98.9％),(69.4％,94.0％),(80.5％,98.1％);利用这3种方法对甘肃省部分路段路面病害的提取效果进行对比测试,提出方法的裂缝漏检率和误检率分别为2.91％,1.94％,优于SegNet(10.68％,14.56％)和BiSeNet(6.80％,12.62％).本研究所提方法能够更精确地提取和区分沥青路面裂缝和灌封裂缝.

智能交通;裂缝和灌封裂缝;编解码网络;空洞卷积;语义分割

张志华;邓砚学;张新秀

兰州交通大学测绘与地理信息学院 兰州 730070;兰州交通大学地理国情监测技术应用国家地方联合工程研究中心 兰州 730070;甘肃省地理国情监测工程实验室 兰州 730070;甘肃省公路路网检测重点实验室 兰州 730070

交通信息与安全

[1]张志华;邓砚学;张新秀-.基于改进SegNet的沥青路面病害提取与分类方法)[J].交通信息与安全,2022(03):127-135

病害提取,裂缝和灌封裂缝

SegNet,沥青路面病害,分类方法,道路标线,光照不均匀,路面病害图像,图像质量,质量差异化,色彩恢复,多尺度视网膜增强,增强算法,对比度,色调,亮度,识别精度,上下文信息,细微,病害分割,分割效果,残差神经网络,ResNet,编码器,解码器,上采样,特征图,拼接,卷积层,卷积核,空洞卷积,闭运算,改进算法,语义分割,分割方法,BiSeNet,测试集,性能对比,平均交并比,MIoU,score,分路,路段,提取效果,对比测试,漏检率,误检率,沥青路面裂缝,智能交通,编解码网络

0.299829