[发明专利]基于曲线知识和深度学习的地下线缆雷达图像检测方法

权利要求书

1.一种基于曲线知识和深度学习的地下线缆雷达图像检测方法，其特征在于，包括：

S100.提取B-scan雷达图像的边缘，制作边缘图像；

S200.计算边缘图像各边缘点的曲率，制作曲率图像；

S300.制作标签数据，将边缘图像、曲率图像和标签数据作为神经网络的输入输出数据对，将所有数据按一定的概率随机分为训练数据和测试数据；

S400.利用训练数据调整网络模型中的参数，直到获得损失函数最小意义上的最低解；

S500.将测试数据集代入训练得到的模型中，验证训练得到的模型的性能，反复步骤S400到S500，直到达到一定条件停止训练；

S600.确定测试数据集上检测精度最高的模型参数为最终结果。

2.如权利要求1所述的一种基于曲线知识和深度学习的地下线缆雷达图像检测方法，其特征在于，S100中，提取B-scan雷达图像的边缘的方法为基于一阶导的方法、基于二阶导的方法，或者基于模型的方法之一。

3.如权利要求1所述的一种基于曲线知识和深度学习的地下线缆雷达图像检测方法，其特征在于，S100中，提取B-scan雷达图像的边缘采用的边缘阈值比普通边缘检测算法低；图像边缘检测的方法包括但不仅限于Roberts、Prewitt、Sobel算子。

4.如权利要求1所述的一种基于曲线知识和深度学习的地下线缆雷达图像检测方法，其特征在于，S200中，计算各边缘点的曲率，制作曲率图像，具体方法为：

S201：检测边缘图像的边缘点；

S202：然后将边缘点进行细化；

S203：连接边缘图像中的断点；

S204：计算各边缘点的曲率；

S205：并令非边缘点处的曲率为0。

5.如权利要求4所述的一种基于曲线知识和深度学习的地下线缆雷达图像检测方法，其特征在于，S204中，对数字图像中的边缘曲线，将边缘曲线上的点从一端到另一端依次从小到大编号，第i个点坐标(x_i,y_i)，计算各边缘点的曲率的公式为：

k＝Δx_iΔ²y_i-Δy_iΔ²x_i (1)

其中，

其中，(x_i-1,y_i-1)、(x_i,y_i)和(x_i+1,y_i+1)分别表示边缘曲线上的点从一端到另一端依次从小到大编号，第i-1、i和i+1个点的坐标。

6.如权利要求1所述的一种基于曲线知识和深度学习的地下线缆雷达图像检测方法，其特征在于，S500中，直到达到一定条件停止训练，包括：训练次数达到给定的次数或者误差精度达到给定的精度。