【技术实现步骤摘要】
本专利技术涉及桥梁水下检测，具体为一种桥梁水下结构浑浊病害图像处理方法及系统。
技术介绍
1、全球现有大量桥梁已经进入大规模的运营和维护阶段，桥梁可以根据其所在环境划分为陆地桥梁和跨水桥梁，而跨水桥梁又包括跨越河流、江河和海峡的桥梁，对于桥梁上部结构，包括梁、路面、桥塔和拉索等构件的检测和监测已经引起了广泛的关注，然而，对于跨水桥梁的水下部分，关注程度相对较低，水下结构状态的检测手段相当匮乏，为了实现桥梁水下结构缺陷的精细检测，目前主流方法仍然依赖专业潜水员使用水下相机进行人工图像的采集和缺陷判断。
2、水下结构缺陷检测的可靠性通常依赖于水下图像成像的质量，然而，在桥梁水下光学图像病害识别中，常使用的是较为理想化的低浑浊度的数据集，实际情况是，跨水桥梁所在水体的浊度通常超过10ntu，这使得光学成像质量较差，目标结构容易被水中颗粒遮挡，从而影响缺陷的识别，为此，我们提出一种桥梁水下结构浑浊病害图像处理方法及系统。
技术实现思路
1、本专利技术的目的在于提供一种桥梁水下结构浑浊病害图像处理方法及系统，能够实现不同浊度下桥梁水下结构图像的有效去浑浊以及桥墩图像的有效恢复。
2、为实现上述目的，本专利技术提供如下技术方案：一种桥梁水下结构浑浊病害图像处理方法，包括以下步骤：
3、获取桥墩的水下缺陷图像，并对获取的每张图像进行编号，构成桥梁水下结构浑浊图像数据集；
4、将浑浊图像数据集进一步进行划分为训练集和测试集，划分比例为4:1，训练集包
5、构建桥梁结构水下图像自适应去浑浊模型cyclegan-deturbidity；
6、将训练集输入所述去浑浊模型cyclegan-deturbidity中进行训练，得到模型的权重；
7、将训练得到的权重在testa上进行测试，获得去浑浊后的桥梁水下结构图像。
8、进一步的，所述桥墩的水下缺陷图像包括多个桥墩的病害图像、不同水质浊度等级的病害图像及不同拍摄距离的病害图像。
9、进一步的，所述对获取的每张图像进行编号，构成桥梁水下结构浑浊图像数据集，按数字组合进行编号按数字组合进行编号，具体规则为：浊度等级-桥墩号-角度-距离-不同入水深度。
10、进一步的，所述水质浊度等级最小浊度设置为无水，最大浊度设置为30ntu，每隔5ntu设置一个浊度等级，分别为0至7级。
11、进一步的，所述桥梁结构水下图像自适应去浑浊模型包括生成器、判别器以及损失函数，具体以cyclegan模型为基线模型，采用resnet作为生成器的基本架构，采用patchgan作为判别器的基本架构；
12、损失函数为lsgan损失、循环一致性损失以及感知损失作为cyclegan-deturbidity的总体损失函数：
13、
14、其中感知损失权重系数γ为0.1，ga、gb代表生成器a和b，da、db代表判别器a和b，即lsgan损失，为循环一致性损失函数，为感知损失；
15、进一步的，所述在cyclegan的生成器网络中引入纹理增强模块tem和金字塔特征提取模块ptfem，纹理增强模块tem采用1-dqco，而金字塔特征提取模块ptfem采用2-dqco；
16、tem通过1-dqco将特征图转换为量化编码图e和统计特征d，其中d起到了直方图的作用，利用d得到新的量化等级l，每一个新的级别都是通过感知初始等级的统计信息获得，因此可以将其视为一个图，其中每个量化等级可以看作是图中的一个节点，然后利用量化编码图e将重建的量化等级l’分配给每个像素，得到输出r；
17、ptfem将特征图输入到2-dqco中得到c×n×n的共现统计特征f，其中c表示通道数，n表示量化等级数，然后通过mlp层和level-wiseaverage来产生该区域的纹理特征；
18、此外，ptfem采用金字塔结构，分别从[1,2,4,8]四个不同尺度对输入的特征图进行传递，在每个分支中，特征图被分割成不同数量的子区域，每个子区域通过纹理特征提取单元来充分利用该区域对应的纹理表示，随后，得到的每个特征图进行上采样并按通道拼接输出。
19、进一步的，所述生成器结构分为基础网络和纹理特征提取分支；
20、基础网络包括6个resnetblock，用于提取图像的基本特征，纹理特征提取分支将来自骨干网络resnet的第1层和第2层特征下采样到与基础网络输出相同大小后进行串联拼接，生成浅层特征，然后这些特征输入tem模块以增强纹理细节，并经过ptfem模块提取多尺度的统计纹理信息；
21、最后，将基础网络、tem和ptfem的输出特征级联在一起，经过上采样和一个卷积层后得到最终的去浊结果图。
22、根据本专利技术的一个方面，本专利技术提供一种桥梁水下浑浊病害数据处理系统，包括：
23、采集装置：用于获取桥墩的水下缺陷图像，并对获取的每张图像进行编号，构成桥梁水下结构浑浊图像数据集；
24、划分装置：用于将浑浊图像数据集进一步进行划分为训练集和测试集，训练集包括traina和trainb，测试集包括testa和testb；
25、模型构建装置：用于构建桥梁结构水下图像自适应去浑浊模型cyclegan-deturbidity；
26、训练装置：用于将训练集输入所述去浑浊模型cyclegan-deturbidity中进行训练，得到模型的权重；
27、测试输出装置：用于将训练得到的权重在testa上进行测试，获得去浑浊后的桥梁水下结构图像。
28、进一步的，所述采集装置包括玻璃钢透明水箱，所述玻璃钢透明水箱内部的安装有水下相机，另一侧放置有含表观缺陷的桥墩，所述水箱内部还安装有多参数水质传感器，水箱外设置有控制单元；
29、所述水下相机通过控制单元控制相机图像的采集频率并存储图像数据，多参数水质传感器通过控制单元控制其采样频率并存储浊度数据。
30、进一步的，利用采集装置获取桥墩的水下缺陷图像，具体步骤如下：
31、(1)配置不同浊度等级的水溶液，并将水溶液投入玻璃钢透明水箱内，混合均匀；
32、(2)制作包含不同表面缺陷的混凝土缩尺圆柱桥墩，每隔60°标记病害标记点，然后将混凝土缩尺桥墩放进装置中；
33、(3)在玻璃钢透明水箱水溶液中安装水下相机以及多参数水质传感器，通过多参数水质传感器测得的浊度数据，控制土壤的增加与减少达到不同浊度等级的浊度范围要求；
34、(4)实际采样时，通过旋转桥墩并使病害标记点正对水下相机，利用水下相机拍摄多个桥墩的病害图像、不同水质浊度等级的病害图像及不同拍摄距离的病害图像。
35、本专利技术至少具备以下有益效果：
36、1.本专利技术提出了一个专注于桥梁水下结构的标准浑浊本文档来自技高网...
【技术保护点】
1.一种桥梁水下结构浑浊病害图像处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种桥梁水下结构浑浊病害图像处理方法，其特征在于：所述桥墩的水下缺陷图像包括多个桥墩的病害图像、不同水质浊度等级的病害图像及不同拍摄距离的病害图像。
3.根据权利要求2所述的一种桥梁水下结构浑浊病害图像处理方法，其特征在于：对获取的每张图像进行编号，构成桥梁水下结构浑浊图像数据集，按数字组合进行编号按数字组合进行编号，具体规则为：浊度等级-桥墩号-角度-距离-不同入水深度。
4.根据权利要求3所述的一种桥梁水下结构浑浊病害图像处理方法，其特征在于：所述水质浊度等级最小浊度设置为无水，最大浊度设置为30NTU，每隔5NTU设置一个浊度等级，分别为0至7级。
5.根据权利要求1所述的一种桥梁水下结构浑浊病害图像处理方法，其特征在于：桥梁结构水下图像自适应去浑浊模型包括生成器、判别器以及损失函数，具体以CycleGAN模型为基线模型，采用ResNet作为生成器的基本架构，采用PatchGAN作为判别器的基本架构；
6.根据权利要求5所
7.根据权利要求6所述的一种桥梁水下结构浑浊病害图像处理方法，其特征在于：所述生成器结构分为基础网络和纹理特征提取分支；
8.一种桥梁水下浑浊病害数据处理系统，其特征在于，包括：
9.根据权利要求8所述的桥梁水下浑浊病害数据处理系统，其特征在于：所述采集装置包括玻璃钢透明水箱，所述玻璃钢透明水箱内部的安装有水下相机，另一侧放置有含表观缺陷的桥墩，所述水箱内部还安装有多参数水质传感器，水箱外设置有控制单元；
10.根据权利要求9所述的桥梁水下浑浊病害数据处理系统，其特征在于：利用采集装置获取桥墩的水下缺陷图像，具体步骤如下：
...【技术特征摘要】
1.一种桥梁水下结构浑浊病害图像处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种桥梁水下结构浑浊病害图像处理方法，其特征在于：所述桥墩的水下缺陷图像包括多个桥墩的病害图像、不同水质浊度等级的病害图像及不同拍摄距离的病害图像。
3.根据权利要求2所述的一种桥梁水下结构浑浊病害图像处理方法，其特征在于：对获取的每张图像进行编号，构成桥梁水下结构浑浊图像数据集，按数字组合进行编号按数字组合进行编号，具体规则为：浊度等级-桥墩号-角度-距离-不同入水深度。
4.根据权利要求3所述的一种桥梁水下结构浑浊病害图像处理方法，其特征在于：所述水质浊度等级最小浊度设置为无水，最大浊度设置为30ntu，每隔5ntu设置一个浊度等级，分别为0至7级。
5.根据权利要求1所述的一种桥梁水下结构浑浊病害图像处理方法，其特征在于：桥梁结构水下图像自适应去浑浊模型包括生成器、判别器以及损失函数，具体以cyclegan模型为基线模型，采用resnet作...
【专利技术属性】
技术研发人员：孙伟豪，侯士通，吴刚，吴智深，张建，
申请(专利权)人：东南大学，
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。