一种基于深度学习的地铁隧道细微裂缝分割方法技术

本发明专利技术涉及一种基于深度学习的地铁隧道细微裂缝分割方法，具体步骤如下S1：利用移动小车自动采集地铁隧道表面图像，人工挑选并标注包含裂缝的图像，建立隧道表面裂缝图像数据库；S2：对原始隧道图像进行图像预处理，构建深度学习模型；S3：进行地铁隧道细微裂缝识别和分割。通过本发明专利技术，对地铁隧道表面图像细微裂缝提供了高效的自动检测和分割方法，节省人力成本，提高检测效率，并有效避免人为主观原因造成的错选、漏选，具有重要的实际应用意义。

【技术实现步骤摘要】
一种基于深度学习的地铁隧道细微裂缝分割方法
本专利技术涉及图像处理和深度学习领域，具体为一种基于深度学习的地铁隧道细微裂缝分割方法。
技术介绍
近年来，随着我国城市地铁隧道建设力度的加大，城市轨道交通得到快速发展。然而受环境和负荷的影响，随着隧道使用时间的增加，隧道表面不可避免地出现结构健康问题。裂缝是一种最常见的隧道病害，是造成隧道结构破坏的重要原因，严重影响隧道的交通安全运营。传统的隧道表面裂缝检测多以人工目视检测为主，效率低且易受人为主观因素影响。因此，开发一种高效的地铁隧道裂缝自动分割方法具有重要意义。目前，随着GPU的处理能力大幅度提升，深度学习技术发展迅速，已经成功应用于图像识别、分类和图像分割等任务。然而，现有的针对裂缝检测的深度学习方法存在分割精度低的问题，难以实现对细微裂缝的有效分割。
技术实现思路
本专利技术所要解决的技术问题是提供一种新型的基于深度学习的地铁隧道细微裂缝分割方法来解决现有技术中针对裂缝检测的深度学习方法存在分割精度低的问题，难以实现对细微裂缝的有效分割的问题。为解决上述技本文档来自技高网...

【技术保护点】
1.一种基于深度学习的地铁隧道细微裂缝分割方法，其特征在于：所述方法包括以下步骤：/nS1.获取图像并建立数据库：利用移动小车自动采集地铁隧道表面图像，人工挑选并标注包含裂缝的图像，建立隧道表面裂缝图像数据库；/nS2.构建学习模型：对原始隧道图像进行图像预处理，构建深度学习模型；/nS3.进行地铁隧道细微裂缝识别和分割。/n

【技术特征摘要】
1.一种基于深度学习的地铁隧道细微裂缝分割方法，其特征在于：所述方法包括以下步骤：
S1.获取图像并建立数据库：利用移动小车自动采集地铁隧道表面图像，人工挑选并标注包含裂缝的图像，建立隧道表面裂缝图像数据库；
S2.构建学习模型：对原始隧道图像进行图像预处理，构建深度学习模型；
S3.进行地铁隧道细微裂缝识别和分割。


2.根据权利要求1所述的一种基于深度学习的地铁隧道细微裂缝分割方法，其特征在于：所述步骤S1中具体包括以下步骤：
(1)使用搭载多架摄像机的移动小车在隧道内移动来自动采集地铁隧道表面图像；
(2)对摄像机采集的原始图像进行图像拼接操作，得到真实的隧道断面全景图像，对全景图像进行裁剪得到固定尺寸大小的图片；
(3)扩充包含裂缝的地铁隧道表面图像并进行人工标注，建立隧道表面裂缝图像数据库。


3.根据权利要求2所述的一种基于深度学习的地铁隧道细微裂缝分割方法，其特征在于：所述步骤(2)中对原始图像进行图像拼接操作，得到真实的隧道断面全景图像的具体步骤为：
A.特征提取：利用尺度不变特征变换SIFT算法提取图像局部特征；
B.特征匹配：采用比较最近邻距离与次近邻距离的方式进行待拼接图像特征点的匹配，利用随机抽样一致性RANSAC算法消除误匹配特征点对；
C.图像融合：根据匹配的特征点对计算数学转换模型，将待拼接图像转换到参考图像的坐标系中，完成同一坐标变换,采用加权平均图像融合方法将待拼接图像的重合区域进行融合，得到重构的平滑无缝全景图像。


4.根据权利要求1所述的一种基于深度学习的地铁隧道细微裂缝分割方法，其特征在于：所述步骤S2中对图像进行预处理的过程为：采用直方图均衡化方法，对原始图像进行对比度增强处理，提升数据集图像质量；构建深度学习模型的过程为：基于深度学习构建用于图像分割的深度卷积编码器-解码器模型，利用隧道裂缝图像数据库对编码器-解码器模型进行迭代训练、更新权重，生成深度学习模型。


5.根据权利要求4所述的一种基于深度学习的地铁隧道细微裂缝分割方法，其特征在于：所述编码器-解码器模型包括一个用于特征提取的编码器和一个用于特征融合和图像下采样的解码网络。


6.根据权利要求4所述的一种基于深度学习的地铁隧道细微裂缝分割方...

【专利技术属性】
技术研发人员：汪俊，李大伟，徐莹莹，李虎，刘树亚，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32