【技术实现步骤摘要】
利用重建模型来重建裂缝图像的方法及装置
[0001]本专利技术总体上涉及图像重建领域，更具体地，涉及利用重建模型来重建裂缝图像的方法及装置，以及训练用于重建裂缝图像的重建模型的方法及装置。
技术介绍
[0002]在裂缝图像的采集过程中，拍摄设备经常会受到人员操作、环境干扰、设备质量等因素的影响，从而使得拍摄的裂缝图像质量较低。如若直接使用这些图像作为输入，对裂缝图像进行智能化分析，往往不能取得理想的分析效果。而通过更专业的设备(如声波发射仪、激光扫描仪)来提高成像质量则成本太高，不利于大范围部署。因此，业界急需一种能够有效从低分辨率裂缝图像中恢复高分辨率裂缝图像的图像处理方法，从而提高裂缝图像智能化分析的效果。
[0003]将图像的分辨率变大的方法称为图像超分辨率重建方法，然而，现有的图像超分辨率重建方法存在各种各样的缺点，因此，需要一种新型的利用重建模型来重建裂缝图像的方法及装置，以及训练用于重建裂缝图像的重建模型的方法及装置，以解决现有图像超分辨率重建方法存在的问题。
技术实现思路
[0004]在...
【技术保护点】
【技术特征摘要】
1.一种利用重建模型来重建裂缝图像的方法，其特征在于，所述方法包括：获取待重建的低分辨率裂缝图像；将所述待重建的低分辨率裂缝图像输入至经训练的重建模型，获得高分辨率裂缝图像，其中所述经训练的重建模型是采用如下步骤进行训练的：获取多个高分辨率裂缝图像，基于所述多个高分辨率裂缝图像训练退化模型并抽取多个退化核；利用所述多个退化核之一对输入的高分辨率裂缝图像进行下采样，得到与所述高分辨率裂缝图像对应的低分辨率裂缝图像；以及将所述高分辨率裂缝图像与对应的所述低分辨率裂缝图像组成的高
‑
低分辨率裂缝图像对作为训练数据来训练所述重建模型，以得到所述经训练的重建模型。2.如权利要求1所述的方法，其特征在于，其中所述退化模型基于KernelGAN架构，其包括生成器网络和鉴别器网络。3.如权利要求2所述的方法，其特征在于，其中基于所述多个高分辨率裂缝图像训练所述退化模型并抽取多个退化核，包括：从高分辨率裂缝图像上裁剪出预定大小的图像块，将裁剪出的图像块利用所述生成器网络进行下采样，得到经下采样的图像块；在所述高分辨率裂缝图像上裁剪出与所述经下采样的图像块大小相同的图像块作为真值图像块；将所述经下采样的图像块与所述真值图像块输入所述鉴别器网络以鉴别所述经下采样的图像块与所述真值图像块；用每个高分辨率裂缝图像对所述退化模型进行多个轮次的训练，在每个轮次的训练中调整所述生成器网络和所述鉴别器网络的权重；以及在所述鉴别器网络无法鉴别出所述经下采样的图像块与所述真值图像块时，固定所述生成器网络的权重并抽取所述退化核。4.如权利要求2所述的方法，其特征在于，其中所述生成器网络包括第一网络层、第二网络层和第三网络层，其中：所述第一网络层包括卷积核大小不同的第一卷积层、第二卷积层和第三卷积层，分别用于对所述裁剪出的图像块进行特征提取，以得到第一特征图、第二特征图和第三特征图；所述第二网络层包括SENet网络，用于分别对所述第一特征图、所述第二特征图和所述第三特征图进行处理后并进行串接，以得到第四特征图；以及所述第三网络层包括第四卷积层、第五卷积层和第六卷积层，用于对所述第四特征图进行卷积运算...
【专利技术属性】
技术研发人员：王晓斌，方明，陈霆，刘鹏，
申请(专利权)人：山东科讯信息科技有限公司，
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。