【技术实现步骤摘要】
基于深度学习的复合材料板损伤图像分割方法和装置
[0001]本专利技术实施例涉及图像处理
,特别涉及一种基于深度学习的复合材料板损伤图像分割方法和装置。
技术介绍
[0002]复合材料具有质轻、强度高、设计灵活等优越性能,在工程结构中的应用日益广泛。复合材料在服役期间面临着复杂的化学、物理环境的挑战,损伤的发生和积累可能会导致灾难性失效,使结构安全面临严峻挑战。因此,为了获得损伤容限并确保结构安全,必须精确识别损伤的类型、位置、大小和形状。
[0003]然而,传统的复合材料板损伤图像分割方法往往只关注于损伤位置的定位,对于损伤大小和形状的识别准确率较差。
[0004]因此,亟需一种新的基于深度学习的复合材料板损伤图像分割方法。
技术实现思路
[0005]为了解决传统的复合材料板损伤图像分割方法对损伤大小和形状的识别准确率较差的问题,本专利技术实施例提供了一种基于深度学习的复合材料板损伤图像分割方法和装置。
[0006]第一方面,本专利技术实施例提供了一种基于深度学习的复合材料板损伤图像分割方法,包括:
[0007]获取待识别的X射线图像;
[0008]将所述X射线图像分别输入至预先训练好的三个分割模型中,得到三个置信度分布图;其中,每一个分割模型均包括依次连接的主干网络、特征融合网络,所述主干网络包括特征提取模块、第一增强模块和第二增强模块,所述特征融合网络包括汉堡结构和自注意力融合模块;
[0009]基于预先确定的阈值,分别确定每一个置信度分布图 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的复合材料板损伤图像分割方法,其特征在于,包括:获取待识别的X射线图像;将所述X射线图像分别输入至预先训练好的三个分割模型中,得到三个置信度分布图;其中,每一个分割模型均包括依次连接的主干网络、特征融合网络,所述主干网络包括特征提取模块、第一增强模块和第二增强模块,所述特征融合网络包括汉堡结构和自注意力融合模块;基于预先确定的阈值,分别确定每一个置信度分布图的权重,以基于三个置信度分布图和每一个置信度分布图的权重,确定分割结果。2.根据权利要求1所述的方法,其特征在于,三个分割模型的网络结构相同,损失函数不同;所述特征提取模块包括多个串联连接的特征提取子模块;所述将所述X射线图像分别输入至预先训练好的三个分割模型中,得到三个置信度分布图,包括:针对每一个分割模型,均执行:将所述X射线图像输入至当前分割模型的所述特征提取模块中,以分别利用每一个所述特征提取子模块对所述目标SAR图像进行特征提取;将第一个特征提取子模块的输出结果输入至所述第一增强模块,以对所述X射线图像的浅层特征进行通道注意力加权和空间注意力加权,得到第一特征图像;将其余特征提取子模块的输出结果分别输入至所述第二增强模块,以对所述X射线图像的深层特征进行上下文级联融合,得到第二特征图像;将所述第一特征图像和所述第二特征图像分别输入至所述特征融合网络,以利用所述汉堡结构对所述第二特征图像进行分组卷积,得到拼接特征图,然后利用所述自注意力融合模块将所述拼接特征图和所述第一特征图像进行特征融合,得到当前分割模型的置信度分布图。3.根据权利要求2所述的方法,其特征在于,所述第一增强模块是通过如下方式对所述X射线图像的浅层特征进行通道注意力加权和空间注意力加权,得到所述第一特征图像的:分别在通道维度上和空间维度上对第一个特征提取子模块的输出结果进行下采样操作,得到第一下采样图和第二下采样图;对所述第一下采样图进行全局平均池化,得到通道权重向量;对所述第二下采样图进行卷积操作,得到用以表征第一个特征提取子模块的输出结果中每一个位置重要性的空间权重图;将所述通道权重向量和所述空间权重图相乘,得到注意力权重图;利用所述注意力权重图,对第一个特征提取子模块的输出结果进行加权操作,得到第一特征图像。4.根据权利要求2所述的方法,其特征在于,所述特征提取模块中特征提取子模块的数量为4;所述第二增强模块是通过如下方式对所述X射线图像的深层特征进行上下文级联融合,得到第二特征图像的:将第四个特征提取子模块的输出结果上采样至与第三个特征提取子模块的输出结果大小相同,得到第一上采样图;
对所述第一上采样图进行卷积操作后与第三个特征提取子模块的输出结果相乘,然后将相乘得到的特征图与卷积操作后的第一上采样图进行拼接;对拼接得到的特征图进行卷积平滑操作,得到融合图;将第四个特征提取子模块的输出结果、第三个特征提取子模块的输出结果和所述融合图分别上采样至与第二个特征提取子模块的输出结果大小相同,得到第二上采样图、第三上采样图和第四上采样图;分别对所述第二上采样图、所述第三上采样图、所述...
【专利技术属性】
技术研发人员:马济通,杨正岩,吴丹莹,武湛君,孙墨曈,许可,
申请(专利权)人:广州盖德伟科技服务有限公司,
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。