【技术实现步骤摘要】
一种输水结构表面淡水壳菜空间分布特征识别方法
[0001]本专利技术涉及水利工程及图像识别
，尤其涉及一种输水结构表面淡水 壳菜空间分布特征识别方法。
技术介绍
[0002]水质质量及运行安全是保障受水区人民生活的根本要求。然而在对工 程水下检修时，发现输水结构内壁、水下护坡表面等区域都附着有淡水壳 菜，其会给混凝土性能、水质和工程运行安全带来不容忽视的长周期影响。 淡水壳菜通常以多个体稠密群聚簇生的方式附着在管壁、缝隙、阴暗角落 等区域，无法使用常规手段在水下确定淡水壳菜体长，密度，特别是在浑 浊水域和运行期依靠摄像机拍摄，人工识别更加困难。因此，如何对长距 离输水结构表面附着的淡水壳菜进行准确快速识别是本领域技术人员亟 待解决的问题。
技术实现思路
[0003]针对上述存在的问题，本专利技术旨在提供一种输水结构表面淡水壳菜空间分布 特征识别方法，基于L
‑
unet语义分割模型学习样本图像，通过训练得到淡水壳菜 图像的分割模型，依据该模型进行淡水壳菜空间分布特征的识别，为研究淡水壳 ...
【技术保护点】
【技术特征摘要】
1.一种输水结构表面淡水壳菜空间分布特征识别方法，其特征在于，包括以下步骤，S1：采集输水结构表面视频；S2：对步骤S1中采集到的输水结构表面视频进行预处理，得到预处理后的图像；S3：采用滑动窗口提取局部图像，基于L
‑
unet语义分割算法，对预处理后的图像进行语义分割处理；S4：根据语义分割处理后的图像，对淡水壳菜的特征进行识别计算。2.根据权利要求1所述的一种输水结构表面淡水壳菜空间分布特征识别方法，其特征在于，步骤S2的具体操作包括以下步骤，S201：通过python语言对输水结构表面视频进行图像取帧，获取附着有淡水壳菜的图像；S202：采用FUnIE
‑
GAN对抗神经网络算法对步骤S201中获取的水下图像进行修复处理，还原水下真实颜色；S203：采用基于二维伽马函数的图像自适应校正算法，对水下图像修复处理后的图像进行均光处理；S204：采用Gamma增强算法，对均光处理后的图像进行目标增强。3.根据权利要求2所述的一种输水结构表面淡水壳菜空间分布特征识别方法，其特征在于，步骤S202的具体操作包括以下步骤，S2021：采用FUnIE
‑
GAN对抗神经网络算法，准备训练集，对该神经网络进行训练，使其具有水下图像修复能力；S2022：采用训练后的FUnIE
‑
GAN对抗神经网络对采集的水下图像进行水下图像修复；所述FUnIE
‑
GAN对抗神经网络算法的结构为：FUnIE
‑
GAN由生成器与判别器构成，生成器包括编码器和解码器两部分，编码器获取图像特征，解码器根据图像特征生成目标图像，生成器采用Unet网络框架进行端到端训练；判别器采用马尔科夫辨别器，监督生成器生成目标图像与真实目标图像的差距。4.根据权利要求2所述的一种输水结构表面淡水壳菜空间分布特征识别方法，其特征在于，步骤S203的具体操作包括：采用二维伽马函数的图像自适应校正算法对步骤S202中水下图像修复处理后的图像的亮度进行调整，利用光照分量的分布特性自适应调整二维伽马函数的相关参数，对亮度高的区域进行亮度衰减处理，亮度低的区域进行亮度增强处理，实现对光照亮度不均匀图像的...
【专利技术属性】
技术研发人员：王枭华，贾贺，张社荣，王超，刘宽，闫军涛，
申请(专利权)人：天津大学，
类型：发明
国别省市：
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。