【技术实现步骤摘要】
基于多尺度拓扑感知神经网络的表面裂纹检测方法
[0001]本专利技术属于表面裂纹图像语义分割方法
，具体是一种基于多尺度拓扑感知神经网络的表面裂纹检测方法。
技术介绍
[0002]随着社会经济的发展，建筑物、桥梁、道路和铁路等基础设施的规模越来越庞大，保持良好的运行状态对于这些设施的正常使用和公共安全至关重要。而表面裂纹不仅是设施质量退化的早期表现之一，而且由于破坏了设施表面结构的整体性和连续性，还会进一步加速设施的质量退化。及时准确地检测出表面裂纹的萌生及扩展情况，可以有效延长设施使用寿命以及避免重大灾难性事故的发生。因此，表面裂纹检测在交通、建筑、船舶等领域均有重要的应用价值。
[0003]早期表面裂纹检测主要依靠人工检测，不仅费时、费力而且结果还具有很强的主观性。为了提高检测效率，基于阈值分割、边缘检测和区域生长等计算机视觉技术的表面裂纹自动检测方法被不断提出，并取得了一定应用成果。但是这些技术严重依赖人工设计的各类表面裂纹检识别特征，无法应用到复杂场景、泛化性能差而且容易受各种噪声干扰影响。
[...
【技术保护点】
【技术特征摘要】
1.一种表面裂纹图像语义分割网络，其特征在于：包括主干部分I、基干网络、通道注意力模块、空间上下文模块和主干部分II；所述主干部分I通过小波变换将输入图像输出为输入图像的四分之一空间分辨率的特征图；所述基干网络依次由四个阶段和特征聚合模块组成，每个阶段包括一组多分辨群卷积和多分辨率卷积，所述特征聚合模块通过双线性插值将所有流输出特征图分辨率统一并将不同流的输出聚合后的特征图；聚合后的特征图依次输入通道注意力模块和空间上下文模块，其中通道注意力模块用于选取合适通道和分辨率的信息进行融合并避免干扰，空间上下文模块通过获取图中像素行和列之间空间信息以获取裂纹的拓扑形态信息；所述主干部分II通过小波逆变换对特征图进行上采样，以使特征图的空间分辨率与网络输入图像的空间分辨率相同，接着通过1
×
1卷积将特征图通道数降为T，T为裂纹种类个数加1，并传输至Softmax层生成分割预测图。2.根据权利要求1所述的表面裂纹图像语义分割网络，其特征在于：所述主干部分I包括小波变换I和小波变换II，输入图像经过小波变换I处理后分为高频信息图I和低频信息图I，所述低频信息图I经过小波变换II处理后分为高频信息图II和低频信息图II。3.根据权利要求2所述的表面裂纹图像语义分割网络，其特征在于：所述主干部分II包括小波逆变换I和小波逆变换II，高频信息图II和空间上下文模块输出的特征图依次经过小波逆变换I和小波逆变换II后输出给1
×
1卷积以及Softmax层，高频信息图I经过小波逆变换II后输出给1
×
1卷积以及Softmax层。4.根据权利要求3所述的表面裂纹图像语义分割网络，其特征在于：所述四个阶段中，第m个阶段的多分辨率群卷积包含对应于m个分辨率的m个平行流，每支流分别由四个一次性聚合单元，其中最小空间分辨率对应的流中的第四个一次性聚合单元还会通过一个大小3
×
3和步长为2的卷积输出一个该流特征图一半空间分辨率的特征图；在第1到第3阶段，第m个阶段的多分辨率卷积由m+1个3
×
3卷积层组成，第4阶段由4个3
×
3卷积层组成；多分辨率卷积中的卷积层以全连接的方式将不同分支连接起来进行相加，有些连接因多分辨率卷积分辨率不同需要降低或提高分辨率：分辨率的降低通过一个或多个步长为2、卷积核尺寸为3
×
3的卷积实现，分辨率的提高通过双线性插值和1
×
1卷积实现上采样和通道数相同。5.根据权利要求4所述的表面裂纹图像语义分割网络，其特征在于：所述特征聚合模块的结构如下：特征图输入至特征聚合模块后，首先经过n个卷积模块，得到n个新特征图，其中第一个卷积模块为可变形卷积模块；然后将输入的特征图与n个特征图进行通道堆叠操作，得到通道堆叠后的特征图；接下来将输入的特征图进行卷积核大小为1
×
1、步长为1的卷积操作，得到与特征图通道数相同的特征图，特征图与特征图进行元素相加操作，得到最终的输出结果；所述可变形卷积模块对卷积核中每个采样点的位置都增加一个可学习的偏移变量；所述卷积模块由批归一化...
【专利技术属性】
技术研发人员：郭学俊，李龙，刘伟琳，刘晓峰，周瑞森，
申请(专利权)人：太原理工大学，
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。