【技术实现步骤摘要】
Transformer在裂缝检测这种小目标检测上表现效果一般。
技术实现思路
[0006]为此，本专利技术所要解决的技术问题在于克服现有技术中Mask RCNN在小目标检测上却表现一般以及Swin Transformer滑窗操作可能导致细小目标被分割成多个窗口，影响特征提取和定位精度，而且层级结构可能导致细小目标在高层特征图中丢失或模糊，影响分类和分割质量。此外，位置编码是默认设置，针对裂缝这类小目标检测并不敏感。这也使得Swin Transformer在裂缝检测这种小目标检测上表现效果一般的问题。
[0007]为解决上述技术问题，本专利技术提供了一种基于图像处理的裂缝检测方法，包括：S101：获取待检测的裂缝图像；S102：利用构建的经过改进的Swin Transformer网络作为骨干网络提取所述待检测的裂缝图像的特征，生成一系列的候选区，包括：S201：利用构建的多头自注意力机制模块对所述待检测的裂缝图像进行计算并输出特征图，包括：将所述待检测的裂缝图像按同样的窗口大小划分为n*n的多个小窗格得到第一次划分后的特征图，并利用构建的Shi...
【技术保护点】
【技术特征摘要】
1.一种基于图像处理的裂缝检测方法，其特征在于：包括：S101：获取待检测的裂缝图像；S102：利用构建的经过改进的Swin Transformer网络作为骨干网络提取所述待检测的裂缝图像的特征，生成一系列的候选区，包括：S201：利用构建的多头自注意力机制模块对所述待检测的裂缝图像进行计算并输出特征图，包括：将所述待检测的裂缝图像按同样的窗口大小划分为n*n的多个小窗格得到第一次划分后的特征图，并利用构建的Shift Window Attention机制模块对第一次划分后的特征图中的小窗格进行窗口滑动得到第二次划分后的特征图，将第一次划分后的特征图以及第二次划分后的特征图输入构建的多层窗口融合模块，所述多层窗口融合模块将第一次划分后的特征图以及第二次划分后的特征图进行归一化处理，并且将归一化处理后的第一次划分后的特征图每个小窗格以及第二次划分后的特征图中的每个小窗格进行特征映射并计算相似矩阵，所述第一次划分后的特征图中的小窗格与第二次划分后的特征图中的小窗格具有重合部分，根据得到的相似矩阵判断是否需要将所述具有重合部分的小窗格进行融合，若相似矩阵表明存在连接的裂缝信息，则将两个小窗格融合生成一个融合窗口输出，若相似矩阵表明不存在连接的裂缝信息，则不对两个小窗格进行融合，作为两个独立窗口分别输出，得到所述多层窗口融合模块输出的多个融合窗口和多个独立窗口；利用构建的变换矩阵对所述多层窗口融合模块输出的每个窗口进行计算得到每个窗口的自注意力机制中的查询值Q,键值K,值V，并对所述每个窗口内首先通过一个卷积层对每个窗口内的像素进行线性变换提取像素数据，并根据得到每个窗口的查询值Q,键值K,值V提取特征，具体为：，其中，是Q,K矩阵的列数，即向量维度，B表示每个窗口的位置偏量，B的值由设定的相对位置偏置参数表给出；利用多头自注意力机制模块中构建的相对位置索引来调取相对位置编码表中的参数并将每个窗口的特征计算融合输出多头自注意力计算输出的特征图；S202：利用构建的特征金字塔网络对经过多头自注意力计算输出的特征图进行处理，提取所述多头自注意力计算输出的特征图中的不同尺度的特征并进行融合，输出融合后的特征图；S203：利用构建的Region Proposal Network网络对融合后的特征图进行预测，得到一系列的候选区域，每一个候选区域包含了一个得分和一个位置偏移量，根据得分对每一个候选区域进行排序和筛选，保留部分高得分候选区域；S103: 对得到的每个高得分候选区域进行分类和回归，并根据每个高得分候选区域的位置偏移量得到最终的检测框，并预测每个检测框内的像素级掩码,输出带有目标检测框和图像分割的检测结果。2.根据权利要求1所述的一种基于图像处理的裂缝检测方法，其特征在于：所述利用构建的Shift Window Attention机制模块对第一次划分后的特征图中的小窗格进行窗口滑
动得到第二...
【专利技术属性】
技术研发人员：牛伟龙，吴澄，盛洁，叶陆琴，吕景珑，钱曙杰，夏从东，吕志荣，
申请(专利权)人：苏州市轨道交通集团有限公司，
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。