[发明专利]混凝土裂纹高分图像无损语义分割方法、装置及存储介质

说明书

本发明公开了一种混凝土裂纹高分图像无损语义分割方法、装置及存储介质，其中方法包括：获取混凝土表面高分图像；采用滑动窗口将混凝土表面高分图像截取为若干局部图像；将若干局部图逐一输入预先训练好的混凝土裂纹初识别模型，将识别出的存在裂纹概率大于预设阈值的局部图像均筛选出来；将筛选出来的局部图像逐一输入预先训练好的混凝土裂纹语义分割模型，对应输出逐像素分类的混凝土裂纹语义分割图，实现混凝土表面高分图像的无损语义分割。该方案能够对原始图像裂纹像素进行无损识别，从而保证了裂纹的像素识别精度；能有效缓解其他语义分割模型导致的类别不平衡、计算量过大、假裂纹过多且在原始高分图像中凌乱分布等问题。

技术领域

本发明涉及混凝土安全监控领域，尤其涉及一种混凝土裂纹高分图像无损语义分割方法、装置及存储介质。

背景技术

很多时候需要对混凝土的安全状况进行监控检测，其中，巡视检查是混凝土安全监控中必不可少的部分，通过巡视检查可以及时发现裂纹等影响结构安全的缺陷。然而，巡视检查目前主要依赖于人工，不可避免存在检查空间受限，检查耗时耗力，裂纹细节及发展过程难以掌控等问题。

近年来，以卷积神经网络(Convolutional Neural Networks，CNN)为代表的深度学习技术在图像分类任务上不断超越以往图像处理技术，且在各行业正逐步得到应用。在图像语义分割领域，以全卷积神经网络(Fully convolutional networks，FCN)为代表的一系列基于卷积神经网络的语义分割方法相继被提出，也不断刷新图像语义分割精度。然而，由于计算条件的限制，如GPU显存等，卷积神经网络对输入图像的尺寸有着较高要求，当采用高分辨率的相机进行图像采集时，其获得的高分辨率的图像(高分图像)尺寸不适合直接作为全卷积神经网络的输入。此时，如果对采集的图像进行缩放，则会影响原始图像中的裂纹像素分布，从而导致图像语义分割的精度受损。一种有效的解决方法是采用滑动窗口截取局部图像的方式，将一张高分辨率图像划分为多张适应卷积神经网络输入尺寸的局部图像，这些局部图像可用于图像的语义分割。然而，在进行模型训练时，由于存在大量的背景信息，如果所有的局部图像均用于语义分割，将导致极度的类别不平衡，且计算量过大。如果只选取有裂纹的局部图像用于语义分割，那么大量的背景信息将被忽略，从而降低了模型对背景信息的识别能力，对于存在大量背景信息的图像，不可避免会出现较多的假裂纹现象。

发明内容

本发明提供了一种混凝土裂纹高分图像无损语义分割方法、装置及存储介质，以实现在降低计算量的情况下同时保证裂纹的识别精度。

第一方面，提供了一种混凝土裂纹高分图像无损语义分割方法，包括：

获取混凝土表面高分图像；

采用滑动窗口将混凝土表面高分图像截取为若干局部图像；

将若干局部图逐一输入预先训练好的混凝土裂纹初识别模型，将识别出的存在裂纹概率大于预设阈值的局部图像均筛选出来；

将筛选出来的局部图像逐一输入预先训练好的混凝土裂纹语义分割模型，对应输出逐像素分类的混凝土裂纹语义分割图，实现混凝土表面高分图像的无损语义分割；

其中，所述混凝土裂纹初识别模型为基于历史混凝土高分图像数据训练传统卷积神经网络得到；所述混凝土裂纹语义分割模型为基于历史混凝土高分图像数据训练全卷积神经网络得到。