基于小波-Mamba协同与边缘增强的桥梁裂缝分割网络

蓝章礼; 何钏涵; 张洪; 黄伟宏; 马鑫; 杜松; 邓国兵

doi:10.12404/j.issn.1671-1815.2505964

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (22) :9618-9628 DOI: 10.12404/j.issn.1671-1815.2505964

自动化技术、计算机技术

基于小波-Mamba协同与边缘增强的桥梁裂缝分割网络

蓝章礼 ¹ ,
何钏涵 ¹^,^* ,
张洪 ² ,
黄伟宏 ³ ,
马鑫 ¹ ,
杜松 ³ ,
邓国兵 ³

作者信息 +

Bridge Crack Segmentation Network Based on Wavelet-Mamba Collaboration and Edge Enhancement

Author information +

文章历史 +

摘要

桥梁裂缝的精确检测对保障交通安全至关重要,但裂缝的细长形态与复杂背景给高精度检测带来了巨大挑战。提出了一种融合小波变换与Mamba架构的桥梁裂缝分割网络-WMCNet,通过协同频域信息与空间上下文提升复杂场景下的裂缝检测性能。采用小波Mamba交互模块将特征分解为多频带,并利用Mamba结构增强其长程依赖关系以捕捉全局信息;设计边缘增强特征融合模块,通过引入模糊图推理机制,利用图网络与模糊逻辑对跳跃连接中的多尺度特征进行深度融合与边界优化。为进一步优化分割结果, 网络训练采用一种混合损失,结合BCE和Dice损失来确保像素级准确性, 并引入一个自适应损失模块增强模型特征表示能力。实验表明,WMCNet在自建CQBCD数据集以及公共裂缝数据集DeepCrack和CrackTree260上的mIoU分别达到88.58%、86.53%和83.34%,与9个模型相比,所提出的网络具有优越的性能。

Abstract

Accurate detection of bridge cracks is crucial for ensuring traffic safety, but the slender morphology of cracks and complex backgrounds bring great challenges to high-precision detection. A bridge crack segmentation network, WMCNet, was proposed, which fused wavelet transform and the Mamba architecture to enhance crack detection performance in complex scenarios by coordinating frequency-domain information and spatial context. A wavelet Mamba interaction module was adopted to decompose features into multiple frequency bands, and the Mamba structure was utilized to enhance its long-range dependencies to capture global information. An edge-enhancement feature fusion module was designed, which performed deep fusion and boundary optimization on multi-scale features in skip connections by introducing a fuzzy graph inference mechanism that utilized graph networks and fuzzy logic. To further optimize the segmentation results, the network training adopted a hybrid loss function that combines BCE and Dice losses to ensure pixel-level accuracy, and an adaptive loss module was introduced to enhance the model's feature representation capability. Experiments demonstrate that WMCNet achieves mIoU scores of 88.58%, 86.53%, and 83.34% on the self-built CQBCD dataset and the public crack datasets DeepCrack and CrackTree260, respectively. Compared with nine other models, the proposed network exhibits superior performance.

Graphical abstract

关键词

裂缝分割 / 小波变换 / Mamba / 边缘增强

Key words

crack segmentation / wavelet transform / Mamba / edge enhancement

引用本文

引用格式 ▾

蓝章礼, 何钏涵, 张洪, 黄伟宏, 马鑫, 杜松, 邓国兵. 基于小波-Mamba协同与边缘增强的桥梁裂缝分割网络[J]. 科学技术与工程, 2026, 26(22): 9618-9628 DOI:10.12404/j.issn.1671-1815.2505964

LAN Zhang-li, HE Chuan-han, ZHANG Hong, HUANG Wei-hong, MA Xin, DU Song, DENG Guo-bing. Bridge Crack Segmentation Network Based on Wavelet-Mamba Collaboration and Edge Enhancement[J]. Science Technology and Engineering, 2026, 26(22): 9618-9628 DOI:10.12404/j.issn.1671-1815.2505964

登录浏览全文

4963

注册一个新账户忘记密码

桥梁作为现代交通基础设施的核心组成部分,其结构安全直接关系到交通运输的畅通和人民生命财产的安全。然而,在长期服役过程中,桥梁受到车辆荷载、温度变化、材料老化等内外因素的共同作用,表面极易出现裂缝。这些裂缝不仅是结构早期损伤的直观表现,还会加速钢筋锈蚀和混凝土劣化,进一步削弱桥梁的承载能力和耐久性。传统的桥梁裂缝检测主要依赖人工检测^[1],这种方法不仅效率低下、成本高昂,而且检测结果易受主观因素影响,漏检和误检率较高。尽管基于数字图像处理的自动化检测方法在一定程度上提高了检测效率,但这些方法依赖人工设计的特征提取算法,在复杂背景、光照不均或噪声干扰等实际场景中泛化能力不足,难以满足工程应用的鲁棒性需求。

随着计算机视觉和人工智能技术的快速发展,基于深度学习的裂缝检测方法展现出显著优势。卷积神经网络(convolutional neural network,CNN)因其强大的局部特征提取能力和层次化特征学习机制,在裂缝检测任务中表现出色。张学辉等^[2]提出一种适用于U-Net的多尺度动态融合卷积模块,实现了低算力消耗下的高精度裂缝检测。刘媛媛等^[3]提出一种基于卷积网络的三分支特征提取网络,实现轻量化的同时提升了特征提取能力。朱俊彬等^[4]提出了融合多尺度多通道特征的全卷积网络,在网络各层加入侧边输出进行深度监督,并结合Focal Loss处理样本不平衡,有效增强了模型的抗干扰能力和收敛速度。针对复杂背景干扰问题,近期研究呈现出从单尺度向多尺度融合的发展趋势。黎东丰等^[5]通过引入通道交叉注意力进行跨层次特征融合,有效缓解了编码器下采样过程中的信息丢失问题。Yang等^[6]提出一种用于裂缝检测的渐进和分层上下文融合网络,通过设计多尺度的上下文融合模块,并对深、浅层特征进行有效聚合,显著增强了模型的特征表达能力。而基于Transformer的方法通过其强大的全局建模能力,在复杂场景下的裂缝检测任务中也取得了突破性进展。褚鸿鹄等^[7]提出CATransUNet网络,通过融合Transformer和坐标注意力,实现了高分辨率桥梁裂缝图像的精确分割。Guo等^[8]将Swin Transformer作为编码器,利用其分层架构学习全局语义信息,并配合带有注意力模块的UperNet解码器来增强对微小裂缝的检测,在多个数据集上均表现出最佳性能。但是基于CNN和Transformer的方法大多是基于原始空间的空间特征,没有考虑频率信息。并且CNN缺乏远程依赖,导致全局增强效果较差,Transformer则需要更多的计算资源,导致推理速度较慢,资源消耗较高。

近年来,一些方法开始探索将小波变换用于分割任务。Xu等^[9]提出一种基于Haar小波的下采样模块,利用Haar小波变换降低特征图的空间分辨率,同时尽可能多地保留信息,有效提高语义分割模型的性能。Sun等^[10]提出一种与多阶段融合方法集成的新型离散小波变换网络DWTNet,以改善恢复裂缝图像的语义分割结果。此外,基于Mamba的方法通过结合状态空间模型和选择性扫描机制,在保持线性计算复杂度的同时实现了长序列建模能力,为裂缝检测提供了新的研究思路。成荣等^[11]通过设计并行轻量化Vision Mamba模块提出超轻量裂缝检测网络,在实现最优性能的前提下,参数量大大减少。Tang等^[12]改进VM-Unet适配裂缝分割任务,通过引入双注意力机制更准确地关注关键信息,并设计特征融合模块丰富解码器的特征信息,提高了裂缝分割的准确性和完整性。

为更好地利用小波的频域信息与Mamba强大的全局建模能力,现提出一种基于小波变换与Mamba架构协同优化的桥梁裂缝检测方法。提出一种结合Haar小波和Mamba的特征提取模块WMBlock,利用Haar小波对图像特征进行多尺度分解,同时借助Mamba结构高效建模长程依赖关系,实现对裂缝形态的精准分割。设计一个基于边缘增强的特征融合模块(edge-enhanced feature fusion mo-dule, EFM),该模块通过融合浅层的细粒度特征与深层的全局结构,并利用模糊图推理增强边缘表征,从而提升多尺度特征的结合能力与对裂缝边界的感知能力。提出一种混合损失函数增强模型分割性能。结合以上方法,提出一个全新的裂缝分割网络WMCNet。同时,针对当前桥梁裂缝开源数据集较少的问题,自制重庆桥梁裂缝数据集(Chongqing bridge crack data,CQBCD),以增强数据在复杂背景、光照条件下的多样性,为桥梁裂缝检测提供一定的技术参考。

1 裂缝分割相关工作

1.1 基于小波的裂缝分割网络

小波变换能够有效提取图像中的局部特征,通过在不同尺度和小波基下计算变换系数,能够有效捕捉图像中的纹理、边缘及形状等结构信息,在保留关键信息的同时抑制背景噪声。小波变换与深度学习结合已逐渐成为新的研究热点,Finder等^[13]通过引入小波变换提出一种新的卷积模块WTConv,具备多频响应能力,并可平滑扩展以适应更大的感受野。

针对裂缝分割任务,小波分析方法展现出优异的去噪能力和高频特征保留特性。刘云清等^[14]提出的改进U-Net架构融合离散小波变换,有效解决了传统卷积池化导致的边缘信息丢失问题。Geng等^[15]将离散小波变换提取的源图像强度频率信息作为先验知识,融入深度学习网络架构,从而增强网络对复杂裂缝的识别与分割性能。Guo等^[16] 将实例归一化小波层嵌入分割模型中,利用小波先验提取裂纹特征、滤除高频噪声并抑制特征差异,从而显著提升模型的泛化性能。虽然小波变换在捕捉频率信息方面表现出色,但要精细化捕获全局信息需要更大的感受野和更优化的全局建模能力。

1.2 基于Mamba的裂缝分割网络

状态空间模型(state space model,SSM)近年来在长序列建模领域展现出突破性优势,其线性计算复杂度与全局依赖建模能力的独特结合,为视觉任务提供了超越传统CNN和Transformer的新范式^[17]。Mamba通过选择性状态空间机制(S6)实现了输入自适应的动态特征选择,在保持线性复杂度的同时,显著提升了远程上下文建模能力^[18]。

最近Mamba架构在裂缝分割领域也展现出显著潜力。Zuo等^[19]提出CrackMamba模型,将带有预训练权重的VMambaV2编码器与新型解码器相结合,通过设计的Snake Scan模块有效捕捉裂缝的复杂形态特征,在多个裂缝数据集取得了更优的性能。Han等^[20]融合视觉Mamba块与CNN的技术提出MambaCrackNet,该网络显著提升了细裂纹检测精度并降低了背景误检率。Zhang等^[21]提出了一种专为微小裂纹分割而设计的超轻量级网络ULNet,在轻量级的方法中取得最先进的性能。

尽管Mamba凭借其强大的全局建模能力显著提升了裂缝分割的性能,但SSM的单向建模特性对噪声敏感,限制了其在含复杂噪声的低对比度场景的应用。因此,利用小波变换避免信息损失并克服SSM对噪声敏感的局限性,通过两者结合提升在复杂场景下的检测性能。

2 方法

2.1 网络总体构造

为增强模型对细粒度裂缝特征的感知能力,引入基于 Mamba 表征的状态空间建模方法,构建小波 Mamba 交互特征提取模块,并据此设计小波 Mamba 特征编码器。相比传统 Transformer 架构,该模块不仅保留了对全局上下文信息的建模能力,还进一步强化了对图像频域特征的表达。为提升模型对多尺度信息的建模能力,在跳跃连接处设计一个基于边缘增强的特征融合模块,用于整合不同层级间的浅层与深层特征。

所提出的网络整体如图1所示。该模型由一个小波Mamba编码器、基于边缘增强的特征融合模块以及小波Mamba解码器组成。小波Mamba编码器由WMLayer组成,结合下采样操作进行特征编码;在浅层与深层特征的跳跃连接处引入基于边缘增强的特征融合模块,将增强后的特征输入到解码器中;解码器也由WMLayer组成,并与上采样操作结合恢复图像分辨率;最后提出一种混合损失来优化模型分割精度。

WMLayer的建立遵循Transformer中高效的Token混合策略到MLP的结构,假设输入特征为Z,其形式可表示为

(1)Z'=WMBlock[LN(Z)]+Z

(2)Z″=FFN[LN(Z')]+Z'

式中:WMBlock为小波Mamba交互模块;LN为层归一化;FFN为前馈神经网络;Z'为输入特征Z与经 LN层、WMBlock变换后特征相拼接的结果;Z″为整个WMLayer的输出特征。

2.2 小波Mamba交互模块

Haar小波变换能分别在水平和垂直方向执行低通和高通滤波操作,从而捕获裂缝图像中的高频细节和低频全局特征,如图2所示。不同频率的特征能够形成互补的信息表征,这种多频带分解的特性可以更全面地理解裂缝的几何结构与空间分布规律。

为了更有效地将小波和Mamba相结合,设计了一个基于小波的Mamba交互模块,如图3所示,将输入特征经过以下4组滤波器分为通道数相同但分辨率减半的4个特征F₁、F₂、F₃、F₄。

(3)

$\left\{\begin{array}{l}{f}_{LL}=\frac{1}{2}\left[\begin{array}{ll}1& 1\\ 1& 1\end{array}\right]\\ {f}_{LH}=\frac{1}{2}\left[\begin{array}{ll}1& -1\\ 1& -1\end{array}\right]\\ {f}_{HL}=\frac{1}{2}\left[\begin{array}{ll}1& 1\\ -1& -1\end{array}\right]\\ {f}_{HH}=\frac{1}{2}\left[\begin{array}{ll}1& -1\\ -1& 1\end{array}\right]\end{array}\right.$

式(3)中:f_LL为低通滤波器;f_LH、 f_HL、 f_HH分别为不同方向的高通滤波器。

随后将4个频域的特征分别经过Mamba模块^[22]进行特征增强得到4个输出H₁、H₂、H₃、H₄。Mamba模块通过其对长距离依赖关系的捕获能力,进一步增强各频段特征的表达能力。在Mamba模块处理过程中,还对不同频率分量之间的特征进行交互,有效整合不同频率层次的信息,保留了裂缝的细微边缘和纹理变化。最后将4个分量进行拼接,并通过逆小波变换将特征重构回原始分辨率。假设输入特征为X,小波Mamba交互模块的公式为

(4)F₁,F₂,F₃,F₄=WT(X)

(5)H₁=MambaBlock(F₁)

(6)H_j=MambaBlock(F_j+H_j_-1)+F_j_-1, j=2,3,4

(7)H=IWT[Concat(H₁,H₂,H₃,H₄)]

式中:WT为小波变换;MambaBlock为Mamba模块;IWT为逆小波变换;Concat为拼接操作。

2.3 基于边缘增强的特征融合模块

在编码过程中,随着网络层数的增加,模型会逐步提取不同尺度的裂缝特征。如果仅使用浅层特征,虽然对小裂缝敏感,但由于感受野有限,难以有效覆盖宽裂缝;而仅依赖深层特征虽能识别宽裂缝的全局结构,却会因下采样导致分辨率降低,从而丢失细裂缝的像素级信息。因此需要尽可能多地利用裂缝的浅层和深层信息,实现多尺度特征的有效结合,从而提升裂缝分割的准确性和鲁棒性。

单纯地融合浅层与深层特征难以有效缓解多尺度特征丢失问题,因此设计一个基于边缘增强的特征融合模块(EFM)。如图4所示,该模块旨在充分利用浅层与深层特征的互补性,实现多尺度信息的高效融合。

具体而言,EFM 模块首先对深层特征进行上采样操作,使其尺寸与浅层特征对齐。浅层特征则经过轻量化的门控瓶颈卷积模块(gated bottleneck convolution, GBC)进行特征增强。GBC^[23]结合低秩近似的瓶颈卷积与门控机制,在保留基本裂缝特征的同时,能动态优化浅层信息的细粒度特征表征。随后对两个分支的特征进行拼接,从而形成一个综合性的特征表示,使得网络能够同时利用不同层次的信息。

裂缝分割任务中往往存在大量噪声,且边界存在不确定性,为进一步增强裂缝边缘的表征能力,拼接后的特征被送入模糊图推理模块(fuzzy graph reasoning module, FGR)^[24]处理,并通过残差连接与原始特征图融合,在保留原始信息的同时注入更多边缘感知信息。如图5所示,模糊图推理模块由模糊投影和GCN(graph convolutional network)推理两部分组成,该模块利用模糊聚类层构建投影矩阵,实现特征映射与图节点之间的柔性映射关系,从而提高模型对图像中模糊边界和语义不确定区域的处理能力。

模糊投影用于将特征图从像素空间转换到图结构的中间空间,在该空间中,每个图节点代表图像中的一个语义对象。为了建模像素与节点之间的模糊语义关系,引入了模糊隶属函数,基于像素特征与图节点之间的L2距离,采用高斯形式[式(8)]计算隶属度值,从而表示该像素以非硬性方式隶属于该图节点的程度。

(8)M_d_,_n=exp$\left(-\frac{{‖{X}_{d}-{\mu }_{n}‖}^{2}}{{\sigma }_{n}^{2}}\right)$

式(8)中:M_d_,_n为第d个特征点属于第n个图节点的隶属度值;X_d为第d个特征点;μ_n为第n个图节点的中心向量;

${\sigma }_{n}^{2}$

为第n个节点对应的方差。

模糊聚类的过程通过矩阵乘法完成,可视作一种内联的聚类操作,其中图节点可以视为聚类中心,通过全体像素的线性组合构建节点特征。

在图推理阶段,FGR通过GCN在全局图上传播语义信息,有效建模裂缝像素之间的空间关联,增强裂缝结构的连贯性,从而减少分割结果中断裂和孤立区域的出现。一般的图卷积由式(9)给出。

(9)G^l⁺¹=Sigmoid(AG^lW)

式(9)中:G^l∈R^N^×^C为第l层的特征图;A∈R^N^×^N为图中节点的邻接矩阵;W∈R^C^×^C为卷积权重。

图卷积运算可以分为两个阶段:在第一阶段,每个节点通过邻接矩阵收集附近节点的信息;在第二阶段,每个节点用线性转换更新自己。整个过程可以通过沿不同维度应用两个线性变换来实现,即节点和通道,公式为

(10)G^l⁺¹=Linear[Linear(G^l)^T]^T

FGR仅采用两层GCN避免过平滑,并在两层间共享参数与激活函数。在模块中应用瓶颈层来减少通道数,并将GCN块的输出投影回像素空间,与通道扩展后的输入特征形状相同。

2.4 混合损失

语义分割中常用的损失函数包括二元交叉熵损失(binary cross-entropy loss,BCE)和Dice损失等。BCE损失能有效衡量模型预测结果与真实标注之间的差异,适用于裂缝分割这类典型的二分类任务,公式为

(11)L_BCE=-$\frac{1}{N}\sum _{i=1}^{N}$[y_ilnp_i+(1-y_i)ln(1-p_i)]

式(11)中:N为总样本数;y_i为第i个样本的真实类别;p_i为第i个样本的预测概率。

裂缝区域通常仅占图像总面积的极少部分^[25],这些区域往往非常狭窄和细长,而背景区域占据了绝大部分,因此对模型预测裂缝区域的准确性进行重点评估显得尤为重要。Dice损失能够评估真实值y_i与预测值p_i之间的一致性,可以使网络更加关注裂缝区域,缓解正负样本不平衡的问题,其定义为

(12)L_DICE=1-$\frac{2\sum _{i=1}^{N}{y}_{i}{p}_{i}+\epsilon }{\sum _{i=1}^{N}{y}_{i}+\sum _{i=1}^{N}{p}_{i}+\epsilon }$

式(12)中:ε为平滑因子,其作用是确保分母始终非零,防止数值计算异常。

尽管BCE和Dice损失能够提供有效的像素级和区域级监督,但其在感知预测结果的整体结构合理性方面能力有限。为弥补这一不足并增强模型特征表示能力,引入一个自适应损失模块。

受到生成对抗网络的启发,并依托于深度学习出色的拟合能力,Wang等^[26]设计了一个简洁的神经网络,该网络能够自动适配一个损失函数F来引导网络的学习过程。整个网络的优化目标为

(13)

$\underset{P}{min}\underset{L}{min}$

T(P,L)=E_{x∼P_data(x)}[lnP(x)]+E_{z∼P_z(x)}[-L(z)]

式(13)中:T为优化目标函数;E_{x∼P_data(x)}为真实分布下的期望;E_{z∼P_z(x)}为预测分布下的期望;P(x)为网络对真实图像的预测;L(z)为损失模型对预测图像的输出值;x为输入图像; z 为模型的预测输出图像。

式(13)由两部分构成:分割网络P的最大似然估计,以及一个旨在最小化真实与预测分布间绝对差异的损失模型L的最大似然估计。

将网络输出P和真实标签gt进行拼接,然后输入到损失模块中。该模块的目标是使其输出值无限接近于0,具体可以表示为

(14)F(P,gt)→0

损失模块通过拟合函数 F[式(14)]来学习预测图像与真实值之间的差异。该模块的输出为单个神经元,采用简单的L1损失函数[式(15)]来优化此输出,使其绝对值尽可能趋近于0,从而有效缩小预测与真实值间的差距。

(15)L_LM=$\left|0-y\right|$

式(15)中:L_LM为自适应损失函数;y为损失模型的输出。

最终采用以上3个损失的组合共同优化模型的训练,其定义为

(16)L_LOSS=L_BCE+L_DICE+L_LM

式(16)中:L_BCE为BCE损失;L_DICE为Dice损失;L_LM为自适应损失。

3 实验

3.1 数据集

在重庆市采集了部分桥梁(包括桥面与桥墩)的裂缝图像,对原始采集的高分辨率图像进行人工筛选,剔除模糊不清或无裂缝的样本,并将图像统一调整为512×512像素的标准尺寸,使用标注工具进行精细的像素级语义标注,构建了一个更贴近真实工程环境的重庆桥梁裂缝数据集(CQBCD)。该数据集共包含997幅图像,覆盖了不同光照、背景纹理和裂缝形态的复杂场景,部分裂缝图像如图6所示。为评估模型的鲁棒性,还引入了两个常用的公开混凝土裂缝数据集:DeepCrack^[25]以及CrackTree260^[27]。

3.2 实验设置

所用模型基于 PyTorch 框架实现,训练与推理均在单块 NVIDIA GeForce RTX 3090 GPU 上完成。训练过程共迭代 100 个 epoch,Batch Size 设为 4,初始学习率为0.000 1,采用 AdamW 优化器更新网络参数,并使用 StepLR 学习率调度器动态调整学习率。所有模型均从头开始训练,图像在训练前经过随机旋转、翻转等增强操作,统一裁剪为512×512的固定尺寸。

3.3 评价指标

选用了4种常用的评估指标:精度(P_r)、召回率(R_e)、F₁分数(F₁)和平均交并比(mIoU),以全面衡量模型的分割性能。

3.4 实验结果

为了评估本文模型的性能,将一些分割模型,如Unet^[28]、TransUnet^[29]、PSPNet^[30]、SegNet^[31]、DeepLabv3+^[32]、EfficientNet^[33]、Swinumamba^[34]、DcsNet^[35]、DeepCrack^[25]在CQBCD、DeepCrack和CrackTree260数据集上进行比较。其中DeepCrack、DcsNet是专门用于裂缝分割的模型; Swinumamba是Mamba架构的分割模型;其余模型则是一些通用的分割方法。

记录了在CQBCD数据集上训练阶段的F₁变化,如图7所示。从整体趋势来看,所有模型的F₁随着训练周期的增加而逐步提升。其中,提出的WMCNet表现最为突出,在训练后期F₁分数均优于其他模型。相比之下,PSPNet的表现最差,与其他模型有显著差异,而SegNet在训练后期的表现也相对较弱,始终维持在较低水平。

表1展示了在CQBCD数据集上不同模型的评估指标。从表1可以看出,WMCNet的P_r、R_e、F₁和mIoU分别为89.26%、86.22%、87.71%和88.58%。与专用于裂缝检测的DcsNet相比,P_r降低了3.81%,但是R_e、F₁和mIoU分别提高5.66%,1.35%和1.08%。相较于SegNet、TransUnet、DeepLabv3+、Unet 以及DeepCrack,WMCNet的mIoU分别提高了4.39%、2.07%、2.23%、1.23%以及3.17%。

如表2的实验结果所示,WMCNet在DeepCrack基准数据集上的关键评价指标上取得了令人满意的结果,R_e、F₁和mIoU分别达到了81.59%、85.49%以及86.53%;其P_r为89.76%,低于Swinumamba的92.17%,但需注意的是,过高的P_r往往伴随漏检率上升。WMCNet能够更好地平衡P_r与R_e,显著降低了复杂场景下的漏检风险,同时保持了更高的综合分割性能。

在CrackTree260数据集中,裂缝形态的高度多样性(包括宽度变化、分支结构)为精确的像素级裂缝分割任务带来了严峻挑战。从表3可以看出,相较于对比模型,WMCNet在所有的性能指标上均取得显著优势,P_r、R_e、F₁和mIoU分别为79.98%、80.99%、80.47%和83.34%,其中F₁比次优的Swinumamba提高1.14%。3个数据集的结果说明WMCNet能够有效利用裂缝图像中的频域特征与全局特征,弥补了Mamba架构网络在频域提取信息的局限性,增强了裂缝分割精度。

图8展示了 WMCNet与对比模型在CQBCD、DeepCrack及CrackTree260上的分割效果的可视化。从图8可知WMCNet在处理复杂场景(如细小裂缝)时表现出色,而其他方法往往会误分类或分割不佳,如图8(b)与图8(d)中PSPNet、DeepLabv3+几乎没有识别图像中的细小裂缝,而WMCNet能够更好地识别细小裂缝,显著减少了漏检率。与其他模型相比,WMCNet在边界清晰度、噪声减少以及与真实值的一致性方面均有显著提升,图8(a)中 Unet、EfficientNet、DeepCrack均出现了噪声影响导致的误检现象,图8(f)中则出现了裂缝边缘不清晰,连续性差的情况。总的来说,WMCNet更准确地把握了裂缝的边界,使得裂缝的分割更完整。

3.5 消融实验

为分析所建立的基于边缘增强的特征融合模块对裂缝分割模型性能的贡献,移除WMCNet中的EFM部分并观察其对分割效果的影响,结果如表4所示。在DeepCrack和 CrackTree260 两个数据集上的结果表明,WMCNet的4个指标都达到了最佳水平,相较于缺乏EFM模块的模型mIoU分别提高了1.6%和1.36%,在CQBCD数据集上只有P_r指标略低,但R_e、F₁、mIoU都有显著提升。图9展示了EFM模块在3个数据集上对分割结果的影响,可以看出其通过融合浅层细节特征与深层语义特征,有效缓解了小裂缝漏检和宽裂缝断裂的现象。而FGR通过模糊投影机制,使得模型能够更鲁棒地将像素特征映射到图节点,有效规避了噪声对特征转换的干扰,并凭借模糊逻辑缓解了低对比度下裂缝边缘模糊导致的分类歧义问题。

为探究不同WMLayer对裂缝分割任务的影响,设置了不同数量的WMLayer。主要在CQBCD数据集上测试了WMCNet 编码器中每层 WMLayer 的不同执行次数。实验结果如表5所示,当编码器中每一层的 WMLayer执行两次时,整体效果最佳。尽管R_e指标略低,但剩余各项指标均优于其他执行次数。

最后为验证所提出的混合损失的有效性,在CQBCD数据集上对比了不同组合的损失。从表6中可以看出,单一的BCE损失虽然P_r能达到最高,但在综合性能上并非最优。当结合BCE与Dice损失后,能够显著降低漏检率,可能是因为BCE损失会逐个计算像素的对错,在背景像素远多于裂缝像素时,模型会倾向于将模糊像素预测为背景以降低整体错误率,导致漏检。而Dice损失通过计算预测区域与真实区域的重合度,能更好地应对这种类别不平衡,从而大幅提升R_e。所提出的混合损失策略通过增强模型捕捉高层次语义信息的能力,取得了最佳的整体性能,在R_e、F₁及mIoU等关键指标上均达到了最高值。

4 结论

提出了一种融合小波变换与Mamba架构的裂缝分割网络WMCNet。通过在多个数据集上的实验与分析,得到以下结论。

(1)提出了一种小波Mamba交互的特征提取模块(WMBlock)。将小波变换的频域解析能力与Mamba架构的长程依赖建模优势深度融合,有效增强了模型对裂缝结构与细节特征的全局表征能力。

(2)设计的基于模糊图推理的边缘增强特征融合模块(EFM)通过有效融合不同层级的特征,提升模型对多尺度裂缝的综合识别能力,并利用模糊图推理机制,缓解了背景噪声对裂缝边界分割的干扰。

(3)构建的混合损失不仅有效缓解正负样本不平衡的影响,并利用自适应损失模块引导网络学习裂缝的整体结构与高级特征,取得了更优的综合性能。

(4)在CQBCD自建数据集及DeepCrack、CrackTree260公共数据集上的实验表明,WMCNet在 mIoU 等关键指标上整体优于现有主流模型,尤其在细微裂缝的连续性保持和复杂背景噪声抑制方面表现突出。另外还通过探究WMLayer不同堆叠层数对模型性能的影响确定最佳配置。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	宋泽冈, 刘艳莉, 张长兴. 基于机器视觉的桥梁裂缝检测应用及发展综述[J]. 科学技术与工程, 2023, 23(30): 12796-12805.

[2]	Song Zegang, Liu Yanli, Zhang Changxing. Review on the application and development of bridge crack detection based on machine vision[J]. Science Technology and Engineering, 2023, 23(30): 12796-12805.

[3]	张学辉, 李笑航, 田学昭, 等. 基于轻量化多尺度动态融合卷积模块的裂缝分割方法[J]. 科学技术与工程, 2025, 25(18): 7719-7728.

[4]	Zhang Xuehui, Li Xiaohang, Tian Xuezhao, et al. Crack segmentation method based on lightweight multi-scale dynamic fusion convolutional module[J]. Science Technology and Engineering, 2025, 25(18): 7719-7728.

[5]	刘媛媛, 陈嘉豪, 王靖智, 等. 多分支特征提取的轻量化路面裂缝分割网络[J]. 交通运输工程学报, 2025, 25(3): 205-220.

[6]	Liu Yuanyuan, Chen Jiahao, Wang Jingzhi, et al. Lightweight pavement crack segmentation network based on multi-branch feature extraction[J]. Journal of Traffic and Transportation Engineering, 2025, 25(3): 205-220.

[7]	朱俊彬, 杜斌, 许世敏. 基于融合多尺度多通道特征的深度监督网络实现裂缝检测[J]. 科学技术与工程, 2024, 24(13): 5595-5603.

[8]	Zhu Junbin, Du Bin, Xu Shimin. Crack detection based on deep supervision network fusing multi-scale and multi-channel features[J]. Science Technology and Engineering, 2024, 24(13): 5595-5603.

[9]	黎东丰, 陈雨人, 余博. 基于多层次特征融合的路面裂缝检测方法[J]. 计算机工程, 2026, 52(1): 154-165.

[10]	Li Dongfeng, Chen Yuren, Yu Bo. Pavement crack detection met-hod based on multi-level feature fusion[J]. Computer Engineering, 2026, 52(1): 154-165.

[11]	Yang L, Huang H, Kong S, et al. A deep segmentation network for crack detection with progressive and hierarchical context fusion[J]. Journal of Building Engineering, 2023, 75: 106886.

[12]	褚鸿鹄, 袁华青, 龙砺芝, 等. 基于Transformer的高分辨率桥梁裂缝图像级联分割方法[J]. 中国公路学报, 2024, 37(2): 65-76.

[13]	Chu Honghu, Yuan Huaqing, Long Lizhi, et al. A Transformer based cascade method for segmenting bridge cracks from high-resolution images[J]. China Journal of Highway and Transport, 2024, 37(2): 65-76.

[14]	Guo F, Liu J, Lü C, et al. A novel transformer-based network with attention mechanism for automatic pavement crack detection[J]. Construction and Building Materials, 2023, 391: 131852.

[15]	Xu G, Liao W, Zhang X, et al. Haar wavelet downsampling: a simple but effective downsampling module for semantic segmentation[J]. Pattern Recognition, 2023, 143: 109819.

[16]	Sun R, Li X, Zhang L, et al. Wavelet-integrated deep neuralnetwork for deblurring and segmentation of crack images[J]. Mechanical Systems and Signal Processing, 2025, 224: 112240.

[17]	成荣, 朱文忠, 王文. UltraLight CrackNet: 基于VMamba的轻量化裂缝分割网络[J]. 电子测量技术, 2025(22): 224-234.

[18]	Cheng Rong, Zhu Wenzhong, Wang Wen. UltraLight CrackNet: lightweight crack segmentation network based on VMamba[J]. Electronic Measurement Technology, 2025(22): 224-234.

[19]	Tang W, Wu Z, Wang W, et al. VM-Unet++ research on crack image segmentation based on improved VM-Unet[J]. Scientific Reports, 2025, 15(1): 8938.

[20]	Finder S E, Amoyal R, Treister E, et al. Wavelet convolutions for large receptive fields[C]// European Conference on Computer Vision. Cham: Springer Nature, 2024: 363-380.

[21]	刘云清, 吴越, 张琼, 等. 基于可分离卷积与小波变换融合的道路裂缝检测[J]. 计算机科学, 2024, 51(S2): 314-322.

[22]	Liu Yunqing, Wu Yue, Zhang Qiong, et al. Road crack detection based on the fusion of separable convolution and wavelet transform[J]. Computer Science, 2024, 51(S2): 314-322.

[23]	Geng P, Lu J, Ma H, et al. Crack segmentation based on fusing multi-scale wavelet and spatial-channel attention[J]. Structural Durability & Health Monitoring, 2023, 17(1): 1-22.

[24]	Guo L, Xiong F, Cao Y, et al. Focusing on cracks with instance normalization wavelet layer[J]. Sensors, 2024, 25(1): 146.

[25]	Zhang H, Zhu Y, Wang D, et al. A survey on visual mamba[J]. Applied Sciences, 2024, 14(13): 5683.

[26]	Gu A, Dao T. Mamba: linear-time sequence modeling with selective state spaces[J]. arXiv Preprint arXiv: 2312.00752, 2023.

[27]	Zuo X, Sheng Y, Shen J, et al. Topology-aware Mamba for crack segmentation in structures[J]. Automation in Construction, 2024, 168: 105845.

[28]	Han C, Yang H, Yang Y. Enhancing pixel-level crack segmentation with visual mamba and convolutional networks[J]. Automation in Construction, 2024, 168: 105770.

[29]	Zhang Z, Peng B, Zhao T. An ultra-lightweight network combining Mamba and frequency-domain feature extraction for pavement tiny-crack segmentation[J]. Expert Systems with Applications, 2025, 264: 125941.

[30]	Wu R, Liu Y, Ning G, et al. Ultralight VM-Unet: parallel vision Mamba significantly reduces parameters for skin lesion segmentation[J]. Patterns, 2025, 6(11): 101298.

[31]	Liu H, Jia C, Shi F, et al. SCSegamba: lightweight structure-aware vision mamba for crack segmentation in structures[C]// Proceedings of the Computer Vision and Pattern Recognition Conference. Nashville: CVPR, 2025: 29406-29416.

[32]	Yang L, Wang S, Liew A W C. Fine-grained lip image segmentation using fuzzy logic and graph reasoning[J]. IEEE Transactions on Fuzzy Systems, 2023, 32(2): 349-359.

[33]	Liu Y, Yao J, Lu X, et al. DeepCrack: a deep hierarchical feature learning architecture for crack segmentation[J]. Neurocomputing, 2019, 338: 139-153.

[34]	Wang F, Ji J, Wang Y. Remote sensing image semantic segmentation based on cascaded Transformer[J]. IEEE Transactions on Artificial Intelligence, 2024, 5(8): 4136-4148.

[35]	Zou Q, Zhang Z, Li Q, et al. Deepcrack: learning hierarchical convolutional features for crack detection[J]. IEEE Transactions on Image Processing, 2018, 28(3): 1498-1512.

[36]	Ronneberger O, Fischer P, Brox T. U-net: convolutional networks for biomedical image segmentation[C]// Medical Image Computing and Computer-assisted Intervention-MICCAI 2015: 18th International Conference. Berlin: Springer, 2015: 234-241.

[37]	Chen J, Lu Y, Yu Q, et al. Transunet: Transformers make strong encoders for medical image segmentation[J]. arXiv Preprint arXiv: 2102.04306, 2021.

[38]	Zhao H, Shi J, Qi X, et al. Pyramid scene parsing network[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. New York: IEEE, 2017: 2881-2890.

[39]	Badrinarayanan V, Kendall A, Cipolla R. Segnet: a deep convolutional encoder-decoder architecture for image segmentation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017, 39(12): 2481-2495.

[40]	Chen L C, Zhu Y, Papandreou G, et al. Encoder-decoder with atrous separable convolution for semantic image segmentation[C]// Proceedings of the European Conference on Computer Vision (ECCV). Munich: ECCV, 2018: 801-818.

[41]	Tan M, Le Q. Efficientnet: rethinking model scaling for convolutional neural networks[C]// International Conference on Machine Learning. Long Beach: PMLR, 2019: 6105-6114.

[42]	Liu J, Yang H, Zhou H Y, et al. Swin-umamba: Mamba-based unet with imagenet-based pretraining[C]// International Confere-nce on Medical Image Computing and Computer-Assisted Intervention. Cham: Springer, 2024: 615-625.

[43]	Pang J, Zhang H, Zhao H, et al. DcsNet: a real-time deep network for crack segmentation[J]. Signal, Image and Video Processing, 2022, 16(4): 1-9.

基金资助

国家自然科学基金(52278291)

重庆市研究生科研创新项目(CYS240501)

PDF (12348KB)

访问

被引

详细

导航

Received	Published	Revised
2025-08-15	2026-08-08	2026-01-09
Online Date
2026-09-03

摘要