基于全卷积神经网络和结构化森林的结构体裂纹分割方法

针对现有深度学习方法在复杂背景下无法保证裂纹特征映射的有效传递和融合,结构化森林对相似、随机的裂纹特征无法准确判别的问题,提出一种基于全卷积神经网络和结构化森林的结构体裂纹分割方法。首先,以全卷积神经网络框架为基础构建5种消融神经网络用于扩充细微裂纹全局特征;其次,提出一种基于多尺度结构化森林的裂纹分割参数竞争策略用于效改善细微裂纹区分能力;最后利用基于消融神经网络和结构化森林的耦合分割方法进行裂纹图像的联合预测。在2类结构体裂纹数据集上对所提方法进行实验验证表明,所提方法能够在复杂相似背景下提高裂纹检测的精度,可以实现有效的结构体健康监测。