【技术实现步骤摘要】
基于条纹多视野卷积网络的多线激光图像缺陷分割方法
[0001]本专利技术涉及图像分析
，更具体地，涉及一种基于条纹多视野卷积网络的多线激光图像缺陷分割方法。
技术介绍
[0002]近年来基于深度学习的计算机视觉技术发展迅速，广泛应用于深度估计、图像修复、目标检测等领域。激光光学检测和计算机视觉技术的结合以非接触、高效率的优点在工业检测领域中得到广泛应用。
[0003]工业检测领域经常采用多线激光进行光学测量，由于检测时受环境干扰和物体光滑表面反射光的影响，所采集的激光光条图像成像质量差，存在光斑、光条断裂等缺陷，严重影响后续的图像处理和测量精度。为保障基于激光视觉和计算机视觉的工业检测精度，需要利用深度学习在图像分割领域的优势，对多线激光图像中存在的成像缺陷进行分割，以利于后续多线激光的成像缺陷修复从而提高检测精确度。
[0004]多线激光图像中的光条细长，纹理特征不明显。将现有的图像分割模型直接用于多线激光图像进行缺陷分割，精度低且效率不高。如何对多线激光图像进行高精度高效率的缺陷分割成为工业检测领域...
【技术保护点】
【技术特征摘要】
1.一种基于条纹多视野卷积网络的多线激光图像缺陷分割方法，包括以下步骤：获取目标的多线激光图像，其中该激光图像是通过将线激光投射到目标物体表面得到目标物体的多线激光光条图像；将所述多线激光光条图像输入到基于条纹多视野卷积层的激光光条图像缺陷分割模型中，提取特征以分割图像中的成像缺陷，其中，条纹多视野卷积层包括四个卷积分支，分别为3*3普通卷积分支，3*3空洞卷积分支、横向条纹卷积分支和纵向条纹卷积分支，3*3普通卷积分支提取多线激光图像的细节信息，3*3空洞卷积分支是两个条纹卷积的交叉重叠区域，用于提取中心位置的环绕特征，横向条纹卷积分支用于提取多线激光图像的横向特征，以挖掘单光条内部的结构信息，纵向条纹卷积分支用于提取多线激光图像的纵向特征，以挖掘相邻光条间的关联信息，经过四个卷积分支的组合，条纹多视野卷积层能够获得较大范围的“十字”视野。2.根据权利要求1所述的方法，其中，所述纵向条纹卷积首先利用较小范围的一维空洞卷积核提取短范围的横向特征，然后使用较大范围的一维空洞卷积核提取长范围的纵向特征。3.根据权利要求1所述的方法，其中，所述横向条纹卷积首先利用较小范围的一维空洞卷积核提取短范围的纵向特征，然后使用较大范围的一维空洞卷积核提取长范围的横向特征。4.根据权利要求1所述的方法，其特征在于，对于所述条纹多视野卷积层，空洞率的数值选择根据待分割对象的形貌特点设定，针对大尺寸的对象设置较大的空洞率，小面积对象设置较小的空洞率，其中，普通的3*3卷积分支的卷积视野为3*3；空...
【专利技术属性】
技术研发人员：冀振燕，郭晓轩，冯其波，郑发家，杨燕燕，
申请(专利权)人：北京交通大学，
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。