[发明专利]隧道裂纹区域检测方法和装置有效

专利信息
申请号: 202010101625.2 申请日: 2020-02-19
公开(公告)号: CN111325724B 公开(公告)日: 2023-06-09
发明(设计)人: 耿鹏;马洪涛;吴薇娜;罗俊;李俊良;卢琳 申请(专利权)人: 石家庄铁道大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06T7/73;G06T5/00;G06V10/764;G06V10/80;G06V10/82
代理公司: 石家庄国为知识产权事务所 13120 代理人: 秦敏华
地址: 050043 河北省石家庄市长安区*** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 隧道 裂纹 区域 检测 方法 装置
【权利要求书】:

1.一种隧道裂纹区域检测方法,其特征在于,包括:

获取隧道图像;

通过第一预设卷积层对所述隧道图像进行卷积运算,并通过预设激活函数进行激活,获得第一特征图集;

利用预设层数的特征金字塔网络对所述第一特征图集进行处理,获得第二特征图集;所述第二特征图集包括:第一金字塔特征图集、第二金字塔特征图集…第N金字塔特征图集;

对所述隧道图像进行预设次数的小波分解处理和非子采样方向滤波处理,获得第三特征图集;所述第三特征图集包括:第一分解子图集、第二分解子图集…第N分解子图集;

组合所述第二特征图集和所述第三特征图集,获得组合特征图集;

基于所述组合特征图集中的图像特征信息,得到所述隧道图像的隧道裂纹区域检测结果;

其中,所述组合所述第二特征图集和所述第三特征图集,获得组合特征图集,包括:

将第N分解子图集和第N金字塔特征图集进行连接处理,获得第N组合特征子图集;

将第i-1分解子图集、第i-1金字塔特征图集和第i组合特征子图集进行联合处理,获得第i-1组合特征子图集;其中,所述联合处理用于融合所述第i-1分解子图集、第i-1金字塔特征图集和第i组合特征子图集中的图像特征信息;

将第N组合特征子图集依次进行1*1卷积处理和子采样处理,获得第N+1组合特征子图集;

第一组合特征子图集、第二组合特征子图集…第N+1组合特征子图集构成所述组合特征图集。

2.如权利要求1所述的隧道裂纹区域检测方法,其特征在于,在所述通过预设的激活函数进行激活之前,还包括:

对通过第一预设卷积层进行卷积运算后的隧道图像进行取反;

将进行卷积和取反后的隧道图像和进行卷积后的隧道图像进行连接处理,获得待激活特征图集;

对所述激活特征图集进行尺度操作和平移操作。

3.如权利要求2所述的隧道裂纹区域检测方法,其特征在于,所述预设激活函数包括RReLU函数。

4.如权利要求1所述的隧道裂纹区域检测方法,其特征在于,在所述通过预设激活函数进行激活,获得第一特征图集之后,还包括:

利用第二预设卷积层对所述第一特征图集进行卷积运算,以增加裂纹区域识别的感受野;

相应的,在获得第二特征图集时,利用预设层数的特征金字塔网络对经第二预设卷积层处理后的第一特征图集进行处理。

5.如权利要求1所述的隧道裂纹区域检测方法,其特征在于,所述利用预设层数的特征金字塔网络对所述第一特征图集进行处理,获得第二特征图集,包括:

对所述第一特征图集通过特征金字塔网络的第一层进行处理,获得第一金字塔特征图集;

对第i-1金字塔特征图集通过特征金字塔网络的第i层进行处理,获得第i金字塔特征图集;i∈[2,N],其中,N表示特征金字塔网络的层数。

6.如权利要求5所述的隧道裂纹区域检测方法,其特征在于,所述对所述隧道图像进行预设次数的小波分解处理和非子采样方向滤波处理,获得第三特征图集,包括:

对所述隧道图像进行小波分解处理,获得待处理子图集;

对所述待处理子图集进行分解滤波处理,获得第一分解子图集;其中,所述分解滤波处理为对图集依次进行小波分解处理和非子采样方向滤波处理;

对第i-1分解子图集进行分解滤波处理,获得第i分解子图集,i∈[2,N]。

7.如权利要求1所述的隧道裂纹区域检测方法,其特征在于,所述将第i-1分解子图集、第i-1金字塔特征图集和第i组合特征子图集进行联合处理,获得第i-1组合特征子图集,包括:

将所述将第i-1分解子图集和第i-1金字塔特征图集进行连接处理后进行1*1卷积处理,获得第一联合特征图集;

将所述第i组合特征子图集进行2倍上采样处理,获得第二联合特征图集;

将所述第一联合特征图集和所述第二联合特征图集相加后进行3*3卷积处理,获得所述第i-1组合特征子图集。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于石家庄铁道大学,未经石家庄铁道大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010101625.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top