【技术实现步骤摘要】
一种基于多模态特征融合的雾天道路裂纹分割方法和系统
[0001]本专利技术属于深度学习
,特别是涉及一种基于多模态特征融合的雾天道路裂纹分割方法和系统。
技术介绍
[0002]因长期受到交通荷载、腐蚀和高温等多种恶劣因素的共同作用,公共基础设施表面易出现各种缺陷(例如:裂纹、坑槽和翻浆)。对于设施表面裂纹的定期检测可为设施维护提供重要的决策依据,有助于延长设施使用寿命。随着恶劣天气(如雾霾)的频繁发生,采集到的图像会出现细节信息丢失、颜色失真、图像分辨率降低等问题。网络模型在清晰图像场景下的识别方法略显得缺乏实用性。目前,大多数相关研究都是在图像信息清晰明显的条件下进行的。当雾中采集的图像目标特征不清晰、分辨率存在问题时,直接使用神经网络进行裂纹分割,分割性能会降低。因此需要一个自动化的雾天裂纹检测技术,从而能够准确的分割道路裂纹,发现道路缺陷并进行维护,避免出现各种安全隐患。
技术实现思路
[0003]本专利技术的目的在于提供一种基于多模态特征融合的雾天道路裂纹分割方法和系统,通过实现自动识别裂纹,有效提高分割精度且适用于包含不同裂纹情况的道路,解决了雾天道路裂纹分割精度低和裂纹边缘分割不准确的问题。
[0004]为解决上述技术问题,本专利技术是通过以下技术方案实现的:
[0005]本专利技术为一种基于多模态特征融合的雾天道路裂纹分割方法,包括如下步骤:
[0006]步骤S1:采取人工加雾法对公开数据集进行加雾,将含雾图像及其对应的标签图像均按照7:3比例划分为训练集和 ...
【技术保护点】
【技术特征摘要】
1.一种基于多模态特征融合的雾天道路裂纹分割方法,其特征在于,包括如下步骤:步骤S1:采取人工加雾法对公开数据集进行加雾,将含雾图像及其对应的标签图像均按照7:3比例划分为训练集和测试集;步骤S2:使用暗通道先验算法对有雾的道路裂纹图像进行去雾处理,得到无雾图像、透射图像和暗通道图像;将原始图像、有雾图像、无雾图像、透射图像、暗通道图像和标签图像放入单独文件夹;步骤S3:构建包括多模态特征融合(MFF)模块、基于注意力机制的侧边融合模块和基于Canny算子的边缘提取模块的深度卷积神经网络模型,使用训练集训练包括MFF模块、基于注意力机制的侧边融合模块和基于Canny算子的边缘提取模块的深度卷积神经网络模型得到训练完成的网络模型;步骤S4:将训练集中的图片输入卷积神经网络,得到第一输出结果,基于输出结果对深度卷积神经网络的参数进行迭代调整,以得到目标卷积神经网络模型;步骤S5:将测试集输入训练完成的目标卷积神经网络模型得到预测的道路裂纹分割结果。2.根据权利要求1所述的一种基于多模态特征融合的雾天道路裂纹分割方法,其特征在于,所述步骤S1中,含雾图像和标签图像创建的数据集包括:将含雾图像和标签图像进行相同的尺度变换、裁剪、拼接,对数据进行扩充得到雾天环境下的道路图像数据集。3.根据权利要求1所述的一种基于多模态特征融合的雾天道路裂纹分割方法,其特征在于,所述步骤S3中,深度卷积神经网络为U形多模态特征融合网络,具体包括:步骤S31:使用U
‑
Net模型作为基本的网络单元,将以单模态输入的U
‑
Net改进为以三模态输入的模型,输入的图片的尺寸为3
×
256
×
256;步骤S32:上路进行下采样,下路进行上采样;步骤S33:在下采样过程中,经过五个MFF模块进行提取和融合多模态图像中的多尺度特征;步骤S34:下半路进行上采样处理,每级与上路包含相同尺度的特征图进行跳跃连接,然后将下半路各级输出传入基于注意力机制的侧边融合模块以融合各级输出;步骤S35:使用基于Canny算子的边缘提取模块对输入的三模态图像中的裂纹进行边缘提取;步骤S36:将上采样、侧边融合模块和边缘提取模块的输出特征进行通道融合,再经过一个卷积层使得输出特征图与输入特征图的尺寸大小相同。4.根据权利要求1所述的一种基于多模态特征融合的雾天道路裂纹分割方法,其特征在于,所述步骤S3中,使用训练集训练深度卷积神经网络模型前,使用基于暗通道先验原理方法去雾得到的无雾图像、透射图像和暗通道图像作为网络模型的输入。5.根据权利要求1所述的一种基于多模态特征融合的雾天道路裂纹分割方法,其特征在于,所述步骤S3中,使用训练集训练深度卷积神经网络模型时,优化训练效果使用的方法包括:使用RAdam优化器一次随机优化一条训练数据上的损失函数,在网络的中间层使用批量标准化和ReLU激活层对每个卷积核的输入做归一化和激活,建立损失函数时使用联合训练的方法。
6.根据权利要求5所述的一种基于多模态特征融合的雾天道路裂纹分割方法,其特征在于,所述步骤S3中,使用训练集训练深度卷积神经网络模型时,基于输出结果和标签图像对...
【专利技术属性】
技术研发人员:闻军,王强,高静,周岳钰,桂艺婷,黄晓晓,朱柱,
申请(专利权)人:安庆师范大学,
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。