一种基于双边配对门控的裂缝增强方法及系统

本发明属于计算机视觉与图像特征增强，尤其涉及一种基于双边配对门控的裂缝增强方法及系统。

背景技术：

1、在基于深度学习的裂缝分割任务中，编码器中间特征的边缘增强（即强化裂缝边缘和纹理细节的响应、同时抑制背景噪声）是关键技术环节。裂缝在图像中呈现为细长的线性结构，其宽度通常仅占数个像素，与周围背景的对比度较低，且背景纹理可能产生与裂缝相似的视觉模式。

2、在已有的裂缝分割方法中，中间特征增强通常依赖手工设计的特征提取算子。以mixercseg方案（zhao z, ding z, niu p, et al. mixercseg: an efficient mixerarchitecture for crack segmentation via decoupled mamba attention. cvpr,2026）为代表的混合架构分割网络中，采用了一种基于方向梯度直方图hog的边缘门控卷积模块。然而，该手工算子的梯度方向量化策略为固定参数设定，不具备从数据中自动学习的能力。

3、近年来，将小波变换引入深度学习特征处理成为活跃的研究方向。在发表于ietsystems biology的mfr-unet方案（wang s, shi g, sun s, et al. mfr-unet: amedical image segmentation network with fused multi-scale feature refinement.iet systems biology, 2025, 20(1): e70049）中，提出了小波变换卷积模块wtconv，dwt分解后对每个子带独立施加深度可分离卷积，再通过iwt重构。但wtconv对各子带采用独立卷积参数，且不具备门控机制，高频子带中的所有分量被同等处理，缺乏对不同空间位置和不同特征通道的选择性。

4、在发表于brain sciences的wiaf方案（zhong y, wang s, miao y, et al.lightweight brain tumor segmentation through wavelet-guided iterative axialfactorization attention. brain sciences, 2025, 15(6): 613）中，提出了自适应小波域特征解耦模块awd-fd，对三维dwt分解产生的八个小波子带施加可学习的门控权重。然而，awd-fd的门控权重是先对子带特征做全局平均池化、再经多层感知机生成的，其空间维度已被池化抹平，同一子带同一通道内的所有空间位置共享同一个门控值，因而不具备空间粒度，无法在裂缝边缘位置与背景位置之间施加不同的增强策略。且awd-fd使用relu激活函数，该函数将所有负值硬截断为零，导致高频子带中负系数所编码的边缘信息被完全丢弃。

5、在发表于sensors的fd2-yolo（c3k2-lwn）方案（zhu j, sheng j, cai q. fd2-yolo: a frequency-domain dual-stream network based on yolo for crackdetection. sensors, 2025, 25(11): 3427）中，提出了面向水泥裂缝检测的可学习小波节点，将dwt分解后的全部子带统一喂入1×1卷积和7×7深度可分离卷积进行增强，使用gelu激活。然而，c3k2-lwn对所有子带和所有空间位置进行无差别的统一增强，其调制作用于跨域融合的通道维度，未在子带内部提供逐空间位置的选择性门控，因而无法在同一子带内对裂缝边缘位置与背景位置施加不同的增强策略。更重要的是，c3k2-lwn以及上述所有现有技术均采用逐点的特征处理方式，即每个空间位置独立判断，没有利用裂缝作为双侧边缘配对结构的空间几何特征。孤立纹理噪声可能产生与单侧裂缝边缘类似的高频响应，仅凭逐点判断无法将其与真正的裂缝边缘可靠区分。

6、综上，现有技术存在以下不足：第一，部分现有技术采用relu激活，导致高频子带中负小波系数编码的边缘极性信息丢失；第二，现有门控方法的门控粒度过粗或缺乏门控；第三，现有方法均采用逐点独立判断策略，未利用裂缝双侧边缘的空间配对几何约束来区分裂缝与纹理噪声。

技术实现思路

1、为了解决上述技术问题，本发明提供了一种基于双边配对门控的裂缝增强方法及系统。

2、本发明所采用的技术方案是：

3、第一方面，提供一种基于双边配对门控的裂缝增强方法，包括：

4、s1，获取裂缝的中间特征图，通过二维离散哈尔小波变换分解得到ll子带、lh子带、hl子带及hh子带；

5、s2，根据lh子带、hl子带及hh子带得到高频子带特征，基于gelu激活函数对高频子带特征进行高频增强处理，得到高频增强特征；

6、s3，通过双边配对门控机制，对高频增强特征进行边缘配对检测得到最终配对得分，根据最终配对得分计算得到最终门控值，包括：

7、s3.1，对于lh子带、hl子带及hh子带中的每个候选位置，确定该候选位置的搜索方向；其中，lh子带的搜索方向为垂直方向，hl子带的搜索方向为水平方向，hh子带的搜索方向包括垂直方向和水平方向；搜索方向由子带类型的数学定义唯一确定，无需预先检测裂缝位置；

8、s3.2，沿搜索方向在预置搜索间距区间内遍历多个间距，计算每个候选位置在每个间距下的配对响应得分；配对响应得分由配对符号项、响应强度项和间距权重函数相乘得到，其中，配对符号项在候选位置处的特征值与配对位置处的特征值符号相反时取正值、符号相同时取负值，响应强度项为候选位置处的特征值幅度与配对位置处的特征值幅度之积，间距权重函数随间距偏离典型裂缝宽度而单调递减；

9、s3.3，对每个候选位置在各间距下的配对响应得分取最大值，得到该候选位置的最终配对得分，将最终配对得分输入预设变换公式，得到该候选位置的最终门控值；

10、s4，基于最终门控值，通过高频增强特征和高频子带特征的凸组合混合计算得到门控高频子带；

11、s5，将门控高频子带与ll子带通过iwt逆小波变换重构得到空间域特征图。

12、进一步的，s1，获取裂缝的中间特征图，通过二维离散哈尔小波变换分解得到低频近似ll子带、水平方向高频lh子带、垂直方向高频hl子带及对角方向高频hh子带，包括：

13、获取裂缝的中间特征图；

14、将中间特征图分割为不重叠的2×2局部块；

15、将2×2局部块与二维离散哈尔小波变换的变换矩阵进行线性组合，得到ll子带、lh子带、hl子带及hh子带。

16、进一步的，s2，根据lh子带、hl子带及hh子带得到高频子带特征，基于gelu激活函数对高频子带特征进行高频增强处理，得到高频增强特征，包括：

17、将lh子带、hl子带及hh子带进行拼接，得到高频子带特征；

18、将高频子带特征代入基于gelu激活函数的高频增强公式，得到高频增强特征；基于gelu激活函数的高频增强公式的表达式为：

19、；

20、其中，表示高频增强特征，表示卷积核的深度卷积，表示组归一化。

21、进一步的，s3.2，沿着候选位置对应的搜索方向向前搜索多个间距，计算每个候选位置在每个间距下的配对响应得分，包括：

22、沿着候选位置对应的搜索方向向前搜索多个间距，，和表示预置最小搜索间距和预置最大搜索间距；

23、通过配对响应计算公式，计算每个候选位置在每个间距下的配对响应得分；配对响应计算公式的表达式为：

24、；

25、其中，表示高频增强特征在候选位置处的值；

26、表示高频增强特征在处的值；

27、 为配对符号项，当与符号相反时，取值为+1，当与符号相同时，取值为-1；

28、为响应强度项；

29、为预置间距权重函数。

30、进一步的，预置间距权重函数为gaussian窗，表达式为：

31、；

32、其中，和 为预先设定或可学习的参数；

33、或者，预置间距权重函数采用cauchy/lorentzian分布，表达式为：

34、；

35、其中，为预先设定或可学习的位置参数，为预先设定或可学习的尺度参数。

36、进一步的，预设变换公式的表达式为：

37、；

38、其中，表示最终门控值，为缩放参数，为偏置参数，缩放参数和偏置参数为预先设定或可学习的参数，表示sigmoid激活函数；

39、或者，；

40、其中，表示最终门控值，和为缩放参数，缩放参数和为预先设定或可学习的参数，为最终配对得分输入1×1卷积稠密门控后的输出。

41、进一步的，s4，基于最终门控值，通过高频增强特征和高频子带特征的凸组合混合计算得到门控高频子带，包括：

42、将最终门控值、高频增强特征和高频子带特征输入凸组合混合计算公式，计算得到门控高频子带；

43、凸组合混合计算公式的表达式为：

44、。

45、进一步的，双边配对门控机制中的可学习参数、高频增强处理中的可学习参数以及凸组合混合后的融合处理的可学习参数，分别以第一初始化标准差、第二初始化标准差和第三初始化标准差进行初始化，第一初始化标准差大于第二初始化标准差和第三初始化标准差；训练时对双边配对门控机制中的可学习参数施加高于其他可学习参数的基础学习率缩放因子。

46、进一步的，对于位于高频子带边缘、沿搜索方向搜索超出子带边界的候选位置，采用反射填充策略，将子带边界外的像素值以边界为镜像反射；对于hh子带，配对检测同时在垂直和水平两个搜索方向上进行，取两个搜索方向的平均配对得分作为该候选位置的配对响应得分；当搜索间距为非整数像素间距时，采用双线性插值获取配对位置处的特征值。

47、第二方面，提供了一种基于双边配对门控的裂缝增强系统，包括：

48、哈尔小波变换模块，用于获取裂缝的中间特征图，通过二维离散哈尔小波变换分解得到ll子带、lh子带、hl子带及hh子带；

49、高频增强处理模块，用于根据lh子带、hl子带及hh子带得到高频子带特征，基于gelu激活函数对高频子带特征进行高频增强处理，得到高频增强特征；

50、双边配对门控模块，用于对于lh子带、hl子带及hh子带中的每个候选位置，确定该候选位置的搜索方向；其中，lh子带的搜索方向为垂直方向，hl子带的搜索方向为水平方向，hh子带的搜索方向包括垂直方向和水平方向；搜索方向由子带类型的数学定义唯一确定，无需预先检测裂缝位置；沿搜索方向在预置搜索间距区间内遍历多个间距，计算每个候选位置在每个间距下的配对响应得分；配对响应得分由配对符号项、响应强度项和间距权重函数相乘得到，其中，配对符号项在候选位置处的特征值与配对位置处的特征值符号相反时取正值、符号相同时取负值，响应强度项为候选位置处的特征值幅度与配对位置处的特征值幅度之积，间距权重函数随间距偏离典型裂缝宽度而单调递减；对每个候选位置在各间距下的配对响应得分取最大值，得到该候选位置的最终配对得分，将最终配对得分输入预设变换公式，得到该候选位置的最终门控值；

51、凸组合混合计算模块，用于基于最终门控值，通过高频增强特征和高频子带特征的凸组合混合计算得到门控高频子带；

52、iwt逆小波变换重构模块，用于将门控高频子带与ll子带通过iwt逆小波变换重构得到空间域特征图。

53、本发明所达到的有益效果：

54、获取裂缝的中间特征图，通过二维离散哈尔小波变换分解得到ll子带、lh子带、hl子带及hh子带；根据lh子带、hl子带及hh子带得到高频子带特征，基于gelu激活函数对高频子带特征进行高频增强处理，得到高频增强特征；通过双边配对门控机制，对高频增强特征进行边缘配对检测得到最终配对得分，根据最终配对得分计算得到最终门控值；基于最终门控值，通过高频增强特征和高频子带特征的凸组合混合计算得到门控高频子带；将门控高频子带与ll子带通过iwt逆小波变换重构得到空间域特征图。

55、基于小波系数的物理意义选择gelu激活函数，高频子带中正负系数分别编码方向相反的边缘过渡，保留了负小波系数中编码的边缘极性信息，对于裂缝的双侧边缘结构，gelu的负值区间自适应非零响应确保了裂缝两侧边缘的完整可用性，为后续双边配对检测提供了前提；

56、相比于现有技术采用逐点独立判断策略，引入双边配对门控机制，沿高频子带梯度方向搜索符号相反、间距合理的配对响应，只有当双侧边缘配对条件同时满足时才判定为裂缝，提高了裂缝判断的准确性及可靠性；

57、采用逐通道、逐空间位置的稠密自适应门控，稠密门控的开关值与高频增强特征具有完全相同的空间尺寸和通道维度，这种细粒度使得同一子带内部能够在裂缝边缘位置和背景位置施加截然不同的增强策略，实现对裂缝的选择性增强和对背景噪声的有效抑制。