【技术实现步骤摘要】
一种基于AAMC
‑
Net的图像裂缝分割检测方法及系统
[0001]本专利技术涉及裂缝检测
，具体涉及一种基于AAMC
‑
Net的图像裂缝分割检测方法及系统。
技术介绍
[0002]中国作为基建大国，其全国公路总里程528万公里，如何进行道路裂缝智能检测实现智慧交通应用成为重点。随着科技发展，数字图像处理应用于裂缝检测越来越成熟。其中，Chunbo Xiu等人提出使用sobel算子与CV模型相结合的图像边缘检测方法解决灰度不均匀图像分割效果差问题；韦春桃等人采用自适应阈值进行裂缝边缘提取，有效降低噪声干扰。以上方法虽能有效提高裂缝特征提取效果，但受复杂光照、背景等外界条件影响，导致有效特征信息提取效果差，裂缝细节处理差，影响检测精准度。
[0003]人工智能用于计算机视觉成为“智能+”时代发展新方向，以深度学习、卷积神经网络为主，其中最经典为FCN、U
‑
Net、U
‑
Net++模型。其中，Dung等人提出基于FCN的自动裂缝识别，该算法使...
【技术保护点】
【技术特征摘要】
1.一种基于AAMC
‑
Net的图像裂缝分割检测方法，其特征在于，包括如下步骤：图像预处理，利用融合模糊聚类的蚁群边缘检测算子对裂缝图像进行边缘提取得到边缘特征图；利用CBAM混合域注意力机制进行裂缝图像特征强化，将强化后的特征图与边缘特征图进行融合；使用编码器进行特征提取，编码器基于VGG_L网络，包括第一特征提取模块、第二特征提取模块、第三特征提取模块、第四特征提取模块、CBAM模块和双尺度空洞卷积模块；对提取的特征进行解码，解码器包括第一反卷积模块、第二反卷积模块、第三反卷积模块、第四反卷积模块和第五反卷积模块，其中，第二反卷积模块至第五反卷积模块的输入特征包含来自编码器中对应层级的跳层连接特征；对解码后的特征进行降维操作，得到分割结果。2.根据权利要求1所述的一种基于AAMC
‑
Net的图像裂缝分割检测方法，其特征在于，所述第一特征提取模块和第二特征提取模块包括依次连接的两个卷积层和一个最大池化层，每个卷积层后还包括ReLU操作。3.根据权利要求1所述的一种基于AAMC
‑
Net的图像裂缝分割检测方法，其特征在于，所述第三特征提取模块和第四特征提取模块包括依次连接的三个卷积层一个最大池化层，每个卷积层后还包括ReLU操作。4.根据权利要求1所述的一种基于AAMC
‑
Net的图像裂缝分割检测方法，其特征在于，所述双尺度空洞卷积模块中，两个通道的空洞率分别为1和2，每个通道中进行一次空洞卷积运算后再经过三次卷积操作以对尺寸进行归一化，其中对于空洞率为1的通道，三次卷积的卷积核大小依次选取为3、3和1，对空洞率为2的通道，三次卷积的卷积核依次选取为3、1、1，两个通道的特征图使用特征加权运算进行融合。5.根据权利要求1所述的一种基于AAMC
‑
Net的图像裂缝分割检测方法，其特征在于，模型的损失函数采用MSELoss函数，并采用Adam参数优化算法进行自适应。6.一种基于AAMC
‑...
【专利技术属性】
技术研发人员：王小芳，刘承芳，周亮，王朋，肖鹏宇，
申请(专利权)人：四川吉利学院，
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。