基于可学习提升小波分解与状态空间建模的裂纹分割网络CrackLIFT

《Journal of King Saud University Computer and Information Sciences》：CrackLIFT: Learnable lifting-based wavelet decomposition with state-space modeling for crack segmentation

　　

精确的裂纹分割必须保留细薄且不规则的边界，连接长程结构，并抑制可能产生类裂纹高频响应的干扰纹理。现有的卷积、Transformer和状态空间架构分别处理局部细节或空间上下文，而近期频率感知设计引入了小波或频率线索。然而，固定的小波线索强加了预先确定的频率划分，并未针对分割目标进行优化。研究人员提出CrackLIFT，一种围绕基于提升的交互式频率变换（Lifting-based Interactive Frequency Transformation, LIFT）构建的裂纹分割网络。CrackLIFT使用基于提升的分解来学习低频和高频编码器表示，使频率划分能够适应分割目标，同时专用状态空间路径和双向交互保留互补的结构与边界信息。一种小波引导的频率对齐损失将逐阶段编码器表示与小波目标对齐，并在逆小波合成后增加重建一致性。在CrackSeg9k上，CrackLIFT达到82.10%的平均交并比（mean Intersection over Union, mIoU）和84.48%的边界F1分数（Boundary F1-Score, BF-Score），而在Asphalt3k和Concrete3k上的结果显示相对于所评估基线的一致改进。

裂缝分割要求模型保留细薄且不规则的边界，连接长程裂纹结构，同时抑制背景纹理产生的类裂纹高频响应。现有卷积、Transformer和状态空间模型（SSM）分别解决局部细节或空间上下文，但近期频率感知方法多采用固定小波变换，其频率划分不随分割目标优化，且频率信息常作为并行分支或解码先验，未在状态空间块内形成可学习的可逆变换。为此，研究人员提出CrackLIFT，一种基于提升式交互频率变换（LIFT）块的状态空间分割网络。每个LIFT块执行可学习自适应小波分解，对分解后的低频和高频表示分别进行专用状态空间处理，并通过双向交互协调两者，最终逆重建为更新特征图；同时提出小波引导频率对齐损失（WFAL）提供逐阶段监督。在CrackSeg9k、Asphalt3k和Concrete3k上，CrackLIFT一致优于所评估的CNN、Transformer和SSM基线，验证了可学习频率分解与状态空间建模结合的有效性。

研究人员应用的关键技术方法包括：（1）可学习自适应小波分解（LAWD），基于提升方案参数化预测和更新算子，实现任务自适应的频率划分；（2）双频率专用状态空间路径，对低频和高频分别进行线性复杂度的选择性扫描；（3）双向频率交互模块（BFIM），通过空间-通道门控和边缘注意力实现跨频率信息交换；（4）小波引导频率对齐损失（WFAL），对各编码器阶段施加子带对齐和逆小波重建一致性约束；（5）解码器采用自适应低频/高频融合。样本来自CrackSeg9k、Asphalt3k和Concrete3k三个公开数据集。

研究结果如下：

Quantitative analysis on CrackSeg9k：通过与十三种基线对比，CrackLIFT在CrackSeg9k测试集上达到最高mIoU 82.10%、F₁ 88.75%和BF-Score 84.48%，比最强SSM基线U-Mamba减少47.6%参数、68.6% GFLOPs，速度提高41.7%。

Qualitative analysis：在视觉对比中，CrackLIFT恢复更多细连接和连续分支，笔画宽度更接近人工标注，尤其在密集网状和低对比度样本上优势明显。

Results on scenario-specific datasets：在Asphalt3k上mIoU为81.88%、BF-Score为84.62%；在Concrete3k上分别为87.05%和89.55%，均超越U-Mamba等基线。

Model scaling：增大模型宽度可提升精度，默认Small配置在精度和计算成本间取得平衡。

Robustness to image degradations：在噪声、运动模糊和亮度偏移干扰下，CrackLIFT在所有九种设置中保持最高mIoU，且与基线的差距随退化程度增加而扩大。

Component-wise ablation：逐步添加LAWD、BFIM和WFAL均带来性能提升，证明各组件有效。

Wavelet basis configuration in LAWD：可学习LAWD优于固定Haar、Daubechies-2和Daubechies-4，表明自适应分解优于选择更强固定基。

Learned decomposition analysis：可视化显示学习变换不复制固定Haar，细节响应更聚焦裂纹；低频裂纹能量比随编码器深度增加，学习算子使用完整空间支持且随阶段变化。

Direction of frequency interaction in BFIM：双向交互优于任意单向，相对无交互在mIoU、F₁、BF-Score分别提升1.54、1.40、1.96。

BFIM representation analysis：可视化显示空间门控减少非裂缝响应，边缘注意力与真实边界正相关（Pearson相关0.399，AUC-ROC 0.682）。

Wavelet-guided frequency alignment loss：子带对齐和重建一致性均带来增量提升，且监督全部四个编码器阶段效果最佳。

High-frequency processing and decoder fusion：统一高频表示加空间拆分优于独立分支，自适应融合优于常规卷积瓶颈。

Hyperparameter sensitivity：默认损失权重λ、重建权重η、子带权重比和交互初始化α₀在测试范围内表现稳定，较大α₀（0.5）性能下降。

Failure cases and limitations：仍存在对非裂纹线性结构（如接缝、凹槽）的误检、密集分支裂纹的漏检以及高对比裂纹的过分割，说明频率线索不能完全解决语义歧义和复杂拓扑。

讨论部分指出，可学习频率建模能改进类裂纹细节与干扰纹理的分离，但对共享裂纹几何的非裂纹结构仍不足。未来需结合拓扑感知约束和语义上下文建模。结论部分翻译如下：裂纹分割要求模型保持长程连续性和精细边界细节，同时限制背景纹理干扰。本文提出CrackLIFT，一种基于提升式交互频率变换（LIFT）块的状态空间分割网络。每个块学习频率分解，通过专用状态空间路径处理低/高频表示，并通过双向交互协调它们。一种小波引导频率对齐损失在训练期间提供额外的逐阶段监督。在CrackSeg9k、Asphalt3k和Concrete3k上，CrackLIFT持续优于所评估的CNN、Transformer和SSM基线。在CrackSeg9k上，它达到82.10%的mIoU和84.48%的BF-Score。受控消融支持可学习分解、双向交互和小波域监督在报告设置下的贡献。剩余错误出现在非裂纹线性结构和密集分支裂纹周围，表明频率线索并不能完全解决语义歧义或复杂拓扑。这些观察结果推动了结合连通性感知建模与语义上下文的未来扩展。