隧道衬砌裂缝图像检测方法技术

本发明专利技术属于基于深度学习的目标检测领域，具体技术方案为：隧道衬砌裂缝图像检测方法，具体步骤如下：将高分辨率隧道衬砌裂缝图像作为输入数据，在原始图像上做滑动窗口，依次记录滑窗的编号N

【技术实现步骤摘要】
隧道衬砌裂缝图像检测方法
本专利技术属于基于深度学习的目标检测领域，具体涉及一种应用于隧道衬砌裂缝图像的检测方法。
技术介绍
计算机视觉领域中深度学习已经得到了很好的发展与应用，并且在目标检测与定位研究领域上取得了很大的成就。近年来，随着对深度学习目标检测领域的研究，在隧道衬砌裂缝的检测上得到了很好的应用，也达到了不错的效果，为隧道的检修带来了方便。构建候选框来提取目标是目标检测任务中最重要的一步，生成候选框的数量和定位框的准确性对整个目标检测框架在识别速度和精确度上都有很大影响。因此，针对隧道衬砌裂缝图像分辨率和裂缝的特征设计出一种更准确识别出裂缝的方法，将减小了模型的误检率和错检率。RossGirshick等人在2013年发表“Richfeaturehierarchiesforaccurateobjectdetectionandsemanticsegmentation”中应用SelectiveSearch方法生成建议框，此方法将建议框统一拉伸到相同大小才输入网络，导致建议框中特征变形，破坏了目标中原有的特征信息。之后Kaim本文档来自技高网...

【技术保护点】
1.隧道衬砌裂缝图像检测方法，其特征在于，具体步骤如下：/n步骤一、将高分辨率隧道衬砌裂缝图像(7448*3000)作为输入数据，在进入网络之前做预处理，在原始图像上做大小为500*500的滑动窗口，向右平移步长为x像素，向下平移步长为y像素，依次记录滑窗的编号N

【技术特征摘要】
1.隧道衬砌裂缝图像检测方法，其特征在于，具体步骤如下：
步骤一、将高分辨率隧道衬砌裂缝图像(7448*3000)作为输入数据，在进入网络之前做预处理，在原始图像上做大小为500*500的滑动窗口，向右平移步长为x像素，向下平移步长为y像素，依次记录滑窗的编号Ni，j得到26*24矩阵大小，滑窗经FasterR-CNN网络检测得到裂缝置信度最高的候选框区域；
其中，i＝1，2，……，26；j＝1，2，……，24；
步骤二、对候选框中裂缝进行判断真伪，将存在裂缝的每个滑窗(Ni，j)分为9个区域，对该滑窗图像中的裂缝取中心点(x0，y0)，用于确定属于哪个区域，具体各个位置的判别方法如下：
1)、对裂缝中心点处于滑窗区域左上角位置的真伪判断：计算Ni，j-1图像中检测到的裂缝与Ni，j图像裂缝重叠为η1，计算Ni-1，j图像中检测到的裂缝与Ni，j图像裂缝重叠为η2，η1＞η&&η2＞η，则可判定Ni，j图像上以(x0，y0)为中心的裂缝是个真裂缝，反之则判断为伪裂缝；
2)、对裂缝中心点处于滑窗区域上中位置的真伪判断：计算Ni，j-1图像中检测到的裂缝与Ni，j图像裂缝重叠为η1，计算Ni，j+1图像中检测到的裂缝与Ni，j图像裂缝重叠为η2，计算Ni-1，j图像中检测到的裂缝与Ni，j图像裂缝重叠为η3，η1＞η&&η2＞η&&η3＞η，则可判定Ni，j图像上以(x0，y0)为中心的裂缝是个真裂缝，反之则判断为伪裂缝；
3)、对裂缝中心点处于滑窗区域右上角位置的真伪判断：计算Ni，j+1图像中检测到的裂缝与Ni，j图像裂缝重叠为η1，计算Ni-1，j图像中检测到的裂缝与Ni，j图像裂缝重叠为η2，η1＞η&&η2＞η，则可判定Ni，j图像上以(x0，y0)为中心的裂缝是个真裂缝，反之则判断为伪裂缝；
4)、对裂缝中心点处于滑窗区域右侧位置的真伪判断：计算Ni，j+1图像中检测到的裂缝与Ni，j图像裂缝重叠为η1，η1＞η，则可判定Ni，j图像上以(x0，y0)为中心的裂缝是个真裂缝，反之则判断为...

【专利技术属性】
技术研发人员：王海东，杨郁康，夏婧迪，王安红，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：山西;14