【略读】文献阅读笔记

• 论文 | 基于图像识别技术的隧道衬砌裂缝检测系统研究
• 作者 | 李健超1， 张翠兵2， 柴雪松1， 薛 峰
• 期刊 | 铁 道 建 筑
• 时间 | 2018

---

由于只对文章中裂缝检测部分感兴趣，所以其他忽略。

文中裂缝识别提取部分采用超像素分割方式对其获得的高分辨率图像进行切分，之后采用ResNet-18网络进行裂缝识别。

其中具有参考意义的有 SLIC超像素分割技术：
超像素由一系列位置相邻且颜色、亮度、纹理等特征相似的像素点组成的小区域。这些小区域大多保留了进一步进行图像分割的有效信息，且一般不会破坏图像中物体的边界信息。

详细参考：

• 超像素经典算法SLIC的代码的深度优化和分析。
• SLIC超像素分割算法

---

• 论文 | 基于图像处理的铁路轨道板裂缝检测研究
• 作者 | 薛 峰1， 赵丽科2， 柴雪松1， 郑顺义
• 期刊 | 铁 道 建 筑
• 时间 | 2015

---

该文章采用的是经典的图像处理方法对裂缝进行了提取，参考意义不大，但反映了铁路轨道板裂缝检测的研究现状，有必要一读。

1. 预处理：双边滤波器做平滑操作、Wallis 滤波器增强去噪后的图像
2. 二值化：基于局部窗口的局部二值化方法
3. 裂缝修复：形态学膨胀操作合并断裂裂缝、根据连通域面积和连通域外接矩形内白色像素比重剔除干扰噪声
4. 裂缝套合：采用 Roberts 边缘检测算子检测得到白色连通区域的边缘， 并将其套合在原图上。