基于随机集的大坝水下表面裂缝声光图像融合检测方法

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61801169
项目类别：
青年科学基金项目
资助金额：
21.0万
负责人：
史朋飞
依托单位：
河海大学
学科分类：
F0115.水下信息感知与处理
结题年份：
2021
批准年份：
2018
项目状态：
已结题
起止时间：
2019-01-01 至2021-12-31

项目参与者：
范新南；李敏；杨德玮；宋佳佳；沈光泽；陈建跃；吴晶晶；冶舒悦；
关键词：
大坝表面裂缝随机集信息融合图像处理水下探测

项目摘要

The dam surface cracks are the major defect for the dam. The imaging mechanism based crack detection of the underwater dam always leads to low detection rates, high false alarm rates and low recognition rates which is caused by uncertainty and complexity in the underwater environment. Considering the advantages of random set in dealing with uncertainty problem in complex environment, the researcher will establish a random set based fusion detection method of sonar and visible light images for underwater dam surface cracks. Firstly, we will study a random set based unified representation of uncertain information gained from images. Secondly, we will propose a target feature extraction method based on random set combining the saliency of crack projection strength. Then, the confidence degree of the crack characteristics in the images such as dark, slender, approximate smooth continuity and small curvature extensibility are mapped to the mass function. We will focus on a random set based fusion algorithm for heterogeneous multimodal uncertain crack information. A crack detection method based on the same theoretical framework is constructed and the effectiveness and robustness are verified. The results of this project will develop the detection methods for unstructured weak target in complex environment, and will also be used in the safety monitoring of major water conservancy projects.

大坝表面裂缝是威胁水库大坝安全的主要隐患。由于水下环境的复杂性和不确定性，使得基于成像机理的裂缝检测存在低检出率、高虚警率、低识别率等问题。为此，本项目借鉴随机集理论在解决复杂环境下不确定性问题的优势，建立一种基于随机集的大坝水下表面裂缝声光图像融合检测方法。首先，研究基于随机集的大坝表面裂缝图像不确定性信息统一表征；其次，研究基于随机集并结合裂缝投射强度显著性的目标特征提取；然后，将图像中裂缝的暗黑、细长、近似平滑连续性和小曲率延伸性等特征的置信度映射为随机集下的质量函数。在此基础上，重点实现基于随机集的异构多模态不确定性裂缝信息的融合。从而构建一种基于同一理论框架下的裂缝检测方法并验证其有效性和稳健性。研究成果将丰富复杂环境下非结构化弱目标的检测方法，且有望用于重大水利工程安全监测实践。

结项摘要

项目围绕大坝表面裂缝检测进行了研究。首先，基于随机集理论，针对水下图像的背景灰度分布不均匀，边界细节模糊，提出了一种基于随机集近似空间的图像增强算法；针对水下图像对比度低和颜色失真等问题，提出一种特征融合生成对抗网络的水下图像增强算法。其次，针对传统方法进行裂缝图像去噪时存在边缘细节模糊、算法效率低等不足，提出了一种脉冲耦合神经网络简化模型结合快速自适应双边滤波的裂缝图像去噪算法。然后，针对表面裂缝形态特征的多样性、裂缝图像的低信噪比等因素给裂缝分割带来的困难，提出了基于头脑风暴优化的脉冲耦合神经网络裂缝分割算法；针对传统裂缝检测中存在的噪声大、精度低、图像细节容易丢失等问题，改进了经典的图像分割模型Unet，并将其应用于裂缝检测中。依据获得的裂缝特征信息，在随机集框架下，建立裂缝样本确知信息和不确知信息的表征，提出了多模态不确定性裂缝信息的融合分类决策方法。另外，针对现有的裂缝检测算法在复杂背景下检测精度不够，较细裂缝之处容易出现断裂，鲁棒性不强等问题，以U²Net为基础，提出了一种带有注意力机制的两层嵌套U型裂缝检测网络U²CrackNet。最后，对所提出的系列水下构筑物裂缝检测方法进行性能评价。.本项目在国内外重要期刊和会议发表研究论文11篇，其中SCI检索论文3篇，EI检索论文3篇。参加国际学术会议3次（线上），申请专利4项，撰写专著1部。协助培养博士研究生1名，培养硕士研究生4名。项目资助执行期间特别注重与本项目相关的学术交流、人才培养、典型成果等。完成了预期目标。本研究成果丰富和发展了复杂环境下非结构化弱目标检测理论和方法，部分研究成果可用于大坝水下表观裂缝检测，并可拓展用于水下构筑物日常维护、修复加固和健康诊断过程。