【技术实现步骤摘要】
本专利技术涉及计算机图像数据处理领域，尤其涉及一种多隧道图像拼接算法、电子设备和可读存储介质。
技术介绍
1、铁路隧道建成后，经过长时间运营的列车荷载作用、外部环境变化等因素逐步出现各类隧道病害，如隧道渗漏水、衬砌开裂、掉块、变形等。这些病害恶化了铁路隧道服役性能，降低了隧道结构的安全可靠度和稳定性，减少了隧道使用寿命，甚至威胁线路行车安全，造成巨大的社会经济损失。隧道运营设备设施如照明控制箱、线缆等发生异常，导致隧道内相关设备无法使用。
2、针对既有铁路隧道病害，缺少实时和持续监测分析，无法及时获取病害状态及其劣化趋势，难以针对性的进行整改与维修，带来一定的安全隐患。目前，铁路隧道设备设施状态的检测，主要靠人工天窗上道巡查或巡检车定期巡检。人工巡查需要大量人工参与，效率低且成本高；此外，人工检测会带有一定的主观性，检测的质量依赖于参与人的水平，导致结果的偏差度较高。而智能检测方式主要是运用各种无损检测技术搭配相应的移动载体，如在隧道内安装导轨、特制巡检车等，再结合算法系统来对病害进行判断分析。安装轨道方式本身存在侵限及掉落风险，成为另一个风险源，而巡检车则需要天窗才能上道巡检，时效性较差。
3、因此，针对隧道内病害、设备状态等风险，如何实现及时、有效的监测，且更易于检测人员对隧道风险进行监测、跟踪及管理，成为一个重要的研究内容。
技术实现思路
1、本专利技术主要解决的技术问题是提供一种多隧道图像拼接算法、电子设备和可读存储介质，解决现有技术中无法对多隧道图
2、为解决上述技术问题，本专利技术采用的一个技术方案是提供一种多隧道图像拼接算法，包括步骤：
3、构建单应矩阵训练模型，利用已有图像验证优化该单应矩阵训练模型。
4、通过图像采集设备采集隧道图像，隧道图像经过预处理得到原始图像。
5、将至少两张原始图像输入至单应矩阵训练模型，取一张原始图像作为基准图像，计算相邻的原始图像的单应矩阵。
6、利用单应矩阵对相邻的原始图像进行变换，并和基准图像进行拼接，得到拼接图像。
7、对拼接图像进行后处理，得到全景图像。
8、在一些实施例中，预处理的方法包括：去除由于图像采集设备的镜头结构、光照产生的畸变问题。
9、在一些实施例中，对拼接图像进行后处理的方法包括：去除拼接图像的黑边、平滑过渡区域、增强对比度。
10、在一些实施例中，利用已有图像验证优化单应矩阵训练模型，包括步骤：
11、第一步，对于每一张已有图像，给定8对固定的图像蒙版，每对图像蒙版分别遮盖同一已有图像的不同位置，得到8对测试数据子图，每对测试数据子图均包含子图a和子图b。
12、第二步，以子图a为基准，随机生成一个单应矩阵将子图b进行变换，得到第一处理子图。
13、第三步，将子图a和第一处理子图送入卷积神经网络中，分别提取特征图；空间金字塔池化层将不同大小的特征图映射到相同大小的特征向量。
14、第四步，将关系标签与子图a的特征向量、第一处理子图的特征向量进行串联，得到1维向量，并将1维向量经过全连接层处理后回归上述单应矩阵，得到回归单应矩阵；利用回归单应矩阵构造单应矩阵损失函数。
15、第五步，使用回归单应矩阵对第一处理子图进行变换，得到第二处理子图；计算子图第二处理与子图a重叠区域的残差，并构造图像损失函数；利用单应矩阵损失函数和图像损失函数，构造单应矩阵训练模型的总损失函数。
16、第六步，将剩余7对测试数据子图依次执行第二步至第五步，均计算得到总损失函数，使用其中最小的总损失函数对应的网络参数作为单应矩阵训练模型最终训练的网络参数。
17、在一些实施例中，单应矩阵损失函数为：
18、，
19、其中，为回归单应矩阵，为随机生成的单应矩阵。
20、图像损失函数为：
21、，
22、其中，分别为子图a和子图b的蒙版数据，a、b分别为子图a和子图b加入蒙版后的图像数据，表示按位与运算。
23、总损失函数为：
24、，
25、其中，为权重因子。
26、在一些实施例中，原始图像为灰度图图像，且原始图像具有相同的分辨率和尺寸。
27、在一些实施例中，图像蒙版为二值图，图像蒙版根据遮挡的位置不同而分为8类。
28、在一些实施例中，卷积神经网络包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层和第五卷积层，卷积神经网络用于提取特征图。
29、为解决上述技术问题，本申请还提供一种电子设备，包括相互耦接的存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述的多隧道图像拼接算法。
30、为解决上述技术问题，本申请还提供一种非易失性计算机可读存储介质，其上存储有程序指令，程序指令被处理器执行时实现上述的多隧道图像拼接算法。
31、有益效果：本专利技术公开了一种多隧道图像拼接算法、电子设备和可读存储介质，该算法包括步骤：构建单应矩阵训练模型，利用已有图像验证优化单应矩阵训练模型；通过图像采集设备采集隧道图像，隧道图像经过预处理得到原始图像；将至少两张原始图像输入至单应矩阵训练模型，取一张原始图像作为基准图像，计算相邻的原始图像的单应矩阵；利用单应矩阵对相邻的原始图像进行变换，并和基准图像进行拼接，得到拼接图像；对拼接图像进行后处理，得到全景图像。本专利技术的算法能够对多隧道图像进行良好拼接，从而对隧道风险实现及时、有效的监测，也更易于检测人员能够及时、有效地对隧道风险进行监测、跟踪及管理。
本文档来自技高网...【技术保护点】
1.一种多隧道图像拼接算法，其特征在于，包括步骤：
2.根据权利要求1所述的多隧道图像拼接算法，其特征在于，所述预处理的方法包括：去除由于所述图像采集设备的镜头结构、光照产生的畸变问题。
3.根据权利要求1所述的多隧道图像拼接算法，其特征在于，对所述拼接图像进行后处理的方法包括：去除所述拼接图像的黑边、平滑过渡区域以及增强对比度。
4.根据权利要求1所述的多隧道图像拼接算法，其特征在于，所述利用已有图像验证优化所述单应矩阵训练模型，包括步骤：
5.根据权利要求4所述的多隧道图像拼接算法，其特征在于，所述单应矩阵损失函数为：
6.根据权利要求1所述的多隧道图像拼接算法，其特征在于，所述原始图像为灰度图图像，且所述原始图像具有相同的分辨率和尺寸。
7.根据权利要求4所述的多隧道图像拼接算法，其特征在于，所述图像蒙版为二值图，所述图像蒙版根据遮挡的位置不同而分为8类。
8.根据权利要求4所述的多隧道图像拼接算法，其特征在于，所述卷积神经网络包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第
9.一种电子设备，其特征在于，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至8任一项所述的多隧道图像拼接算法。
10.一种非易失性计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至8任一项所述的多隧道图像拼接算法。
...【技术特征摘要】
1.一种多隧道图像拼接算法，其特征在于，包括步骤：
2.根据权利要求1所述的多隧道图像拼接算法，其特征在于，所述预处理的方法包括：去除由于所述图像采集设备的镜头结构、光照产生的畸变问题。
3.根据权利要求1所述的多隧道图像拼接算法，其特征在于，对所述拼接图像进行后处理的方法包括：去除所述拼接图像的黑边、平滑过渡区域以及增强对比度。
4.根据权利要求1所述的多隧道图像拼接算法，其特征在于，所述利用已有图像验证优化所述单应矩阵训练模型，包括步骤：
5.根据权利要求4所述的多隧道图像拼接算法，其特征在于，所述单应矩阵损失函数为：
6.根据权利要求1所述的多隧道图像拼接算法，其特征在于，所述原始图像为灰度图图像，且所述原始图像具有相同的分辨率和尺寸...
【专利技术属性】
技术研发人员：夏宝前，陈晓冈，高涛，李阳，张周磊，王列伟，周济轩，
申请(专利权)人：南京派光智慧感知信息技术有限公司，
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。