【技术实现步骤摘要】
一种道路裂缝检测方法和装置
本专利技术涉及图像处理
，特别是指一种道路裂缝检测方法和装置。
技术介绍
道路作为国家经济发展的重要基础设施，对国家发展和现代化建设发挥着不可替代的作用。裂缝作为道路最常见、最广泛的病害之一，及时检测道路裂缝对于安全驾驶、交通运输和安全出行等具有重要意义。依靠人工走查道路进行裂缝检测，不仅耗费高、效率低，还会影响城市交通及人们的正常通行，存在巨大安全隐患。随着图像处理技术的发展，对于道路裂缝的检测主要利用道路裂缝和背景之间像素的差别获取道路裂缝。传统的道路裂缝检测方法，通常采用专业的检测设备，例如：探地雷达、三维激光传感器等，或者采用传统的图像处理的方式进行裂缝检测。这些方法或技术存在很大的弊端，前者专业检测设备不仅价格高昂，而且实际部署操作繁琐；后者易受路边背景的纹理和光照等影响，导致实际检测复杂路面场景的效果不佳。近年来，深度学习技术在图像处理领域取得很大进展，深度学习技术也被广泛应用于道路裂缝检测；目前一种基于深度学习技术的道路裂缝检测方案中，采用两个结构相同的神经网络...
【技术保护点】
1.一种道路裂缝检测方法，其特征在于，包括：/n利用特征提取网络将待检测的道路图像映射到编码空间，得到不同尺寸的特征图像；/n对于每个尺寸的特征图像，将其输入到一个裂缝检测网络，对其进行渐进式特征融合、预设卷积运算、注意力增强，以及后续的预设卷积运算、上采样后，得到尺寸与所述道路图像相同、且标注有裂缝区域的特征图像；/n将得到的各标注有裂缝区域的特征图像通过图像融合网络的预设卷积运算融合，得到用以检测裂缝区域的目标图像；/n其中，由所述特征提取网络、裂缝检测网络以及图像融合网络构成的道路裂缝检测模型是预先通过带有裂缝的道路样本图像以及所述道路样本图像的标注有裂缝区域的掩码图像训练得到的。/n
【技术特征摘要】
1.一种道路裂缝检测方法，其特征在于，包括：
利用特征提取网络将待检测的道路图像映射到编码空间，得到不同尺寸的特征图像；
对于每个尺寸的特征图像，将其输入到一个裂缝检测网络，对其进行渐进式特征融合、预设卷积运算、注意力增强，以及后续的预设卷积运算、上采样后，得到尺寸与所述道路图像相同、且标注有裂缝区域的特征图像；
将得到的各标注有裂缝区域的特征图像通过图像融合网络的预设卷积运算融合，得到用以检测裂缝区域的目标图像；
其中，由所述特征提取网络、裂缝检测网络以及图像融合网络构成的道路裂缝检测模型是预先通过带有裂缝的道路样本图像以及所述道路样本图像的标注有裂缝区域的掩码图像训练得到的。
2.根据权利要求1所述的方法，其特征在于，所述特征提取网络包括n层卷积层；以及
所述利用特征提取网络将待检测的道路图像映射到编码空间，得到不同尺寸的特征图像，具体包括：
将所述待检测的道路图像输入到所述特征提取网络，每经过所述特征提取网络的一层卷积层得到一个特定尺寸的特征图像。
3.根据权利要求2所述的方法，其特征在于，所述裂缝检测网络为n个，所述特征提取网络中的每层卷积层分别连接一个裂缝检测网络，以及所述裂缝检测网络中包括：特征融合卷积模块、注意力模块、一个卷积层和上采样模块；以及
所述对于每个尺寸的特征图像，将其输入到一个裂缝检测网络，对其进行渐进式特征融合、预设卷积运算、注意力增强，以及后续的预设卷积运算、上采样，具体包括：
所述特征提取网络的第i层卷积层连接的第i个裂缝检测网络，将第i层卷积层输出的特定尺寸的特征图像，以及第i+1个裂缝检测网络的注意力模块输出的第i+1个注意力增强的特征图像，通过所述特征融合卷积模块进行渐进式特征融合后再进行预设卷积运算，得到第i个中间过程的特征图像；
第i个中间过程的特征图像通过第i个裂缝检测网络中的注意力模块进行注意力增强，得到第i个注意力增强的特征图像；
第i个注意力增强的特征图像依次通过第i个裂缝检测网络中的卷积层、上采样模块，得到尺寸与所述道路图像相同、且标注有裂缝区域的特征图像；
其中，i为1~n-1的自然数。
4.根据权利要求3所述的方法，其特征在于，所述将第i层卷积层输出的特定尺寸的特征图像，以及第i+1个裂缝检测网络的注意力模块输出的第i+1个注意力增强的特征图像，通过所述特征融合卷积模块进行渐进式特征融合，具体包括：
所述特征融合卷积模块对第i+1个注意力增强的特征图像进行上采样操作，得到与所述第i层卷积层输出的特征图像尺寸一致的特征图像；
进而将得到的特征图像与第i层卷积层输出的特定尺寸的特征图像进行特征融合。
...
【专利技术属性】
技术研发人员：傅慧源，马华东，刘蓬，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。