[发明专利]一种机场道面病害图像的水膜去除方法

说明书

本发明公开了一种机场道面病害图像的水膜去除方法，包括以下步骤：步骤1、构建编码‑解码对称的水膜生成结构；步骤2、构建基于全卷积网络的水膜判别结构；步骤3、定义用于训练水膜生成结构及水膜判别结构的对抗损失函数、循环一致性损失函数；步骤4、融合水膜生成结构及水膜判别结构，建立积水道面病害图像水膜去除模型；步骤5、对积水道面病害图像水膜去除模型进行训练；步骤6、利用训练好的积水道面病害图像水膜去除模型，完成积水道面病害图像水膜去除任务。本发明提高雨天道面自动化检测精度，提高道面病害模型的多场景适应能力，完成多种天气状况下道面病害的自动化识别检测，为雨天的机场道面应急抢险提供依据。

技术领域

本发明涉及机场及道路工程病害检测技术领域，特别是一种机场道面病害图像的水膜去除方法。

背景技术

随着道面行车荷载不断增多，在荷载和自然环境的作用下，道面病害日益增加。因此急需自动化的道面检测养护技术，对道面进行高效、大规模的检测检修，以保证道面飞机起降的安全。

如今出现基于道面病害图像的深度学习算法，能够实现高精度的道面病害自动化检测。但是这些道面病害检测模型泛化能力较低，表现为在光照均匀，天气良好的条件下的道面病害识别精度高，在复杂的背景环境下道面病害识别精度明显降低，使得雨天潮湿以及存在积水区域的道面的病害自动化检测成为技术难点。由于雨天的道面病害区域存在积水，积水区域形成的道面水膜会使得飞机轮胎打滑，易发生事故。因此提高雨天的道面病害检测精度以及加快相应病害措施的制定尤为重要。由于目前采用大量基于图像的方法进行道面检测，存在雨天积水区域含有水膜道面病害识别精度低，检测效率低的问题。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种机场道面病害图像的水膜去除方法，去除雨天积水对于自动化道面病害检测的影响，进而提高雨天道面病害检测的可靠度，提高雨天基于道面病害图像的自动化检测模型精度，保证雨天飞机起降安全。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种机场道面病害图像的水膜去除方法，包括以下步骤：

步骤1、构建编码-解码对称的水膜生成结构；

步骤2、构建基于全卷积网络的水膜判别结构；

步骤3、定义用于训练水膜生成结构及水膜判别结构的对抗损失函数、循环一致性损失函数；

步骤4、融合水膜生成结构及水膜判别结构，建立积水道面病害图像水膜去除模型；

步骤5、对积水道面病害图像水膜去除模型进行训练，得到训练好的积水道面病害图像水膜去除模型；

训练的过程如下：利用水膜判别结构从积水道面病害图像中完成道面病害图像水膜层提取，在提取识别出道面病害图像水膜层后，在积水道面病害图像上减去提取的道面病害图像水膜层即得到积水道面病害图像水膜去除模型；

调整积水道面病害图像水膜去除模型的学习率，根据学习率、对抗损失函数、循环一致性损失函数，采用前向传播计算积水道面病害图像水膜去除模型的对抗损失、循环一致性损失；

然后通过反向传播进行对抗损失、循环一致性损失分配，保证积水道面病害图像水膜去除模型生成道面病害无水膜图像；

步骤6、利用训练好的积水道面病害图像水膜去除模型，将输入积水道面病害图像水膜图像转换为道面病害无水膜图像，完成积水道面病害图像水膜去除任务。

作为本发明所述的一种机场道面病害图像的水膜去除方法进一步优化方案，步骤1中水膜生成结构包括水膜生成编码结构和水膜生成解码结构，通过使用VGG16卷积神经网络的前13个卷积层进行下采样搭建水膜生成编码结构，完成积水道面病害图像水膜层的特征提取，然后通过搭建好的水膜生成解码结构在上采样层完成积水道面病害图像水膜层特征的还原。