[发明专利]基于深度学习和形态学的建筑PDF图纸墙体识别装置和方法

权利要求书

1.一种基于深度学习和图像形态学的建筑PDF图纸墙体的识别装置，包括：PDF图纸转换模块，图纸墙体预识别模块，图纸信息过滤模块，图纸墙体精确识别模块 ，其特征在于：

PDF图纸转换模块为墙体预识别模型提供符合格式的数据源；

图纸墙体预识别模块用于实现墙体预识别功能，图纸墙体预识别模块以PDF图纸转换模块输出的图纸分割块为输入，获得图纸墙体位置分布概率图；

图纸信息过滤模块实现了原图纸中噪声信息过滤，为图纸墙体精确识别进行数据准备，其中噪声信息定义为图纸中非墙体结构内的像素信息；

图纸信息过滤模块对原图纸中的前景信息进行提取，以图纸墙体位置分布概率图为指导生成信息屏蔽掩码，依照信息屏蔽掩码对原图纸中提取到的前景信息进行过滤，得到初步噪声过滤结果；

图纸墙体精确识别模块以初步噪声过滤后的图纸为输入，实现图纸中墙体位置的精确识别。

2.根据权利要求1所述的基于深度学习和图像形态学的建筑PDF图纸墙体的识别装置，其特征在于：

PDF图纸转换模块按照给定的分辨率，将待识别PDF图纸转换为高清像素图纸，保留图纸中的细节信息；将高清图纸图像转化为二值图，对二值图进行中心内容提取，得到图纸主体部分。

3.根据权利要求1所述的基于深度学习和图像形态学的建筑PDF图纸墙体的识别装置，其特征在于：

图纸墙体预识别模块以图像分割模型为基础，结合关键点识别技术中以热力图为训练目标的监督方法，得到墙体预识别模型；

在训练过程中对输入数据与目标数据进行双边抖动，提高墙体预识别模型对于墙体边界处的敏感度；在使用过程中对于图纸分割块的每一张输入图像，给出其中墙体位置分布分的概率图，墙体位置分布概率图为与输入图像等大的单通道图像，其中每一个元素的值表示原图纸中对应位置像素属于墙体结构的概率；将多个图纸分割块的处理结果进行拼接，得到整张图纸的墙体位置分布概率图。

4.根据权利要求1所述的基于深度学习和图像形态学的建筑PDF图纸墙体的识别装置，其特征在于：图纸墙体精确识别模块能够实现墙体闭合，将图纸中具有多种表示方式的墙体全部转化为实心墙体，通过估算图纸中全部墙体的平均宽度得到腐蚀运算迭代次数，并取墙体宽度上限记为I进行运算，得到墙体闭合结果，I为迭代次数；

图纸墙体精确识别模块能够实现过腐蚀还原，在墙体闭合的同时，腐蚀预算导致墙体体积向四周扩张，因此以I为迭代次数进行膨胀运算，抵消墙体扩张的副作用；

图纸墙体精确识别模块能够实现游离线过滤，在经历以上操作后没有形成闭合的线条即为游离线，游离线不属于墙体的一部分，因此通过迭代次数为I的膨胀运算对此类信息进行消去；

图纸墙体精确识别模块能够实现过膨胀还原，膨胀运算在消除游离线的同时削减了墙体厚度，因此通过I次腐蚀运算抵消膨胀运算副作用。

5.一种基于深度学习和图像形态学的建筑PDF图纸墙体的识别装置的识别方法，具体包括以下步骤：

步骤1、用户在前端界面上传待识别PDF图纸或PDF图纸导出的JPG、PNG格式图纸，并开始墙体识别流程；

步骤2、PDF图纸转换模块开启图纸预处理任务，将输入数据转化为图像类数据，若输入数据为PDF图纸，则对图纸进行PDF到JPG图像转换；

步骤3、图纸墙体预识别模块对输入图纸进行二值化转化 ，以确保输入数据的数值准确性；

步骤4、图纸墙体预识别模块对二值化图像进行中心裁剪，过滤图像外围的无信息背景部分，以减轻后续模型的计算量；

步骤5、图纸墙体预识别模块按照冗余切割方式对输入图纸进行图像分割，得到包含一部分图纸语义信息的多张待处理图像块；

步骤6、图纸墙体预识别模块对图纸分割块进行信息增强与下采样，信息增强操作的目的是防止在下采样过程出现图纸信息丢失的现象，下采样操作获得分辨率适中的图纸分割块；

步骤7、图纸墙体预识别模型逐个处理图纸分割块，生成墙体位置分布概率图，并将结果进行拼接；

步骤8、图纸信息过滤模块根据墙体位置分布概率图与预设截断阈值，生成墙体信息屏蔽掩码；

步骤9、图纸信息过滤模块以墙体信息屏蔽掩码为依据，对二值化后的图纸进行初步噪声过滤，即只保留原图纸中掩码标志的原始信息，过滤其余的图纸内信息；

步骤10、图纸墙体精确识别模以初步噪声过滤结果为基础，以单向滤波核执行腐蚀运算，进行墙体闭合操作，并对过腐蚀部分通过膨胀运算进行还原；

步骤11、图纸墙体精确识别模以单向滤波核进行膨胀运算，消除游离线，并对过膨胀部分通过腐蚀运算进行还原；

步骤12、图纸墙体精确识别模通过轮过计算与阈值筛选，对识别结果中的干扰项进行过滤；

步骤13、墙体识别结果与原图纸进行叠加现实，传输回前端界面，并提供数据导出接口。