本发明专利技术提供一种无监督学习接触网图像增强方法，包括：步骤一、采集图片得到接触网灰度图数据集；步骤二、筛选接触网灰度图数据集并将图片亮度从高到低排列得P组图像；步骤三、利用轻量级特征提取网络，输出Q层亮度曲线估计参数图；步骤四、将步骤二中图像逐像素点用Q层亮度曲线估计参数图进行Q轮像素点灰度值映射调整；步骤五、对步骤四中所得图像用无监督网络损失函数评估，若满足要求则输出；若不满足要求，则根据无监督网络损失函数导数对轻量级特征提取网络参数反向传播更新并返回步骤三；步骤六、将步骤五中输出图像整合得增强后的接触网图像。应用本发明专利技术的方法，提高了增强效率并降低了处理的成本。
【技术实现步骤摘要】
本专利技术涉及高速铁路自动图像识别领域，具体涉及一种无监督学习接触网图像增强方法。
技术介绍
1、由于高速铁路接触网系统常年运行在户外恶劣环境下，加之其结构组成复杂、包含数百种不同尺度的零部件，导致其故障时有发生，从而给高铁的安全运行带来安全隐患。根据中国铁路总公司关于牵引供电安全检测监测系统中的规定，需拍摄接触网系统的图片，然后使用计算机处理采集到的数据，从而判断接触网运行状态。从成本和通用性考虑,现有图像采集设备大多采用可见光ccd摄像机进行拍摄,可见光拍摄易受周围环境光影响；此外，接触网支撑装置分布面积大，补光装置并不能随时提供稳定的补光，因此，采集车采集得到的接触网图像存在过曝光、亮度不足、对比度低等质量问题。低亮度图像中接触网零部件特征不突出，对人工校验带来极大干扰，也阻碍了4c检测技术的检测精度，造成接触网支持装置零部件漏检，对列车的行车安全造成威胁。
2、目前，接触网状态检测领域常使用图像处理技术实现自动智能判别接触网系统的运行状态。该方法需要使用高质量的接触网图片数据，未经过处理的原始接触网图片数据会导致检测效果不佳。因此，为了提高检测效果，需要对采集到的数据进行图像增强处理，以提高图像质量。在网络训练阶段，现有的基于有监督学习的图像增强方法需要使用配对数据，即同时获得同一设备或场景的高质量和不良质量对应的数据对，而这对于实际工业现场来说基本无法实现。
3、综上所述，急需一种低成本的接触网图像增强方法，以解决现有技术中存在的问题。
技术实现思路
<
p>1、本专利技术目的在于提供一种低成本且能提高图像增强效率的接触网图像增强方法，具体技术方案如下：2、一种无监督学习接触网图像增强方法，包括以下步骤：
3、步骤一、对铁路接触网进行图像采集，获得接触网灰度图数据集；
4、步骤二、对步骤一所得接触网灰度图数据集进行筛选，得到筛选后的图像集；将筛选后的图像集中的图像进行亮度调整，得到亮度从高到低排列的p组图像，将p组图像作为训练集；
5、步骤三、利用轻量级特征提取网络，该轻量级特征提取网络包括单通道2d卷积和单通道空洞卷积；使用跳跃连接将第一层卷积输出与最后一层空洞卷积输出特征相加拼接，得到融合特征图，融合特征图送入卷积注意力模块，输出q层亮度曲线估计参数图；
6、步骤四、将步骤二训练集中的各图像逐个像素点采用步骤三所得的q层亮度曲线估计参数图进行q轮像素点灰度值映射调整最终获得亮度调整后的图像；
7、步骤五、对步骤四所得亮度调整后的图像采用无监督网络损失函数进行评估，若满足要求，则输出增强后的图像；若不满足要求，则根据无监督网络损失函数的导数对轻量级特征提取网络中参数进行反向传播更新，返回步骤三；
8、步骤六、将步骤五所有输出的增强后的图像整合，得到增强后的接触网图像。
9、优选的，所述步骤一中采用铁路4c检测车进行图像采集。
10、优选的，所述步骤二中将筛选后的图像集中的图像以5％-10％的差异进行亮度调整；p取[5，20]中的自然数。
11、优选的，所述轻量级特征提取网络由10层32×32的单通道2d卷积与2层32×32的单通道空洞卷积组成；q取[8，15]中的自然数。
12、优选的，所述无监督网络损失函数loss的表达式如下：
13、
14、其中：w1、w2、w3为损失函数的加权系数，w1＝800，w2＝1.5，w3＝5；m表示亮度调整后图像中16×16不重叠的局部邻域数量；yk代表亮度调整后图像中第k个大小为16×16的局部区域的平均灰度值；e为给定的目标灰度值，经验设置为120；k表示输入图像s中4×4不重叠的局部邻域的数量，ω(i)表示输入图像s中第i个4×4区域为中心在水平和垂直四个方向上的邻域像素点；yi和yj分别为亮度调整后图像在4×4区域内灰度值和水平垂直四个方向上的邻域像素点灰度值；ii和ij分别为输入图像s在4×4区域内灰度值和水平垂直四个方向上的邻域像素点灰度值；n代表q轮迭代当前次数；和分别表示增强图片水平方向和垂直方向的梯度算子；an为第n次迭代后的中间临时输出图。
15、优选的，所述步骤五中判定是否满足要求具体是：若迭代次数达到设定阈值，则满足要求，否则，未满足要求。
16、应用本专利技术的技术方案，具有以下有益效果：
17、(1)本专利技术针对电气化铁路接触网图像检测现场的实际状况，放弃构建需要配对样本集的有监督图像处理模型，提供一种基于无监督深度学习的接触网图像增强方法，直接利用接触网专用图像检测车获得的检测图像作为训练样本，无需构建高成本的专用配对数据集，仅依靠采集的原始接触网图像即可进行网络训练，对于不同线路、不同环境、不同采集设备获得的接触网图像快速训练高性能的预处理图像增强模型，从而提升接触网检测图像的整体图像质量，提高了增强效率并降低了处理的成本，可以有效提高零部件定位的效果。
18、(2)本专利技术无监督学习接触网图像增强方法，通过设计一种轻量级单通道灰度图特征提取网络，有效降低了进行图像增强的设备要求，使其可以部署在微型或移动型设备中，有效降低成本。
19、除了上面所描述的目的、特征和优点之外，本专利技术还有其它的目的、特征和优点。下面将参照图，对本专利技术作进一步详细的说明。
本文档来自技高网...
【技术保护点】
1.一种无监督学习接触网图像增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的无监督学习接触网图像增强方法，其特征在于，所述步骤一中采用铁路4C检测车进行图像采集。
3.根据权利要求1所述的无监督学习接触网图像增强方法，其特征在于，所述步骤二中将筛选后的图像集中的图像以5％-10％的差异进行亮度调整；P取[5，20]中的自然数。
4.根据权利要求1-3任意一项所述的无监督学习接触网图像增强方法，其特征在于，所述轻量级特征提取网络由10层32×32的单通道2D卷积与2层32×32的单通道空洞卷积组成；Q取[8，15]中的自然数。
5.根据权利要求4所述的无监督学习接触网图像增强方法，其特征在于，所述无监督网络损失函数Loss的表达式如下：
6.根据权利要求5所述的无监督学习接触网图像增强方法，其特征在于，所述步骤五中判定是否满足要求具体是：若迭代次数达到设定阈值，则满足要求，否则，未满足要求。
【技术特征摘要】
1.一种无监督学习接触网图像增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的无监督学习接触网图像增强方法，其特征在于，所述步骤一中采用铁路4c检测车进行图像采集。
3.根据权利要求1所述的无监督学习接触网图像增强方法，其特征在于，所述步骤二中将筛选后的图像集中的图像以5％-10％的差异进行亮度调整；p取[5，20]中的自然数。
4.根据权利要求1-3任意一项所述的无监督学习接触网图像增...
【专利技术属性】
技术研发人员：喻文彬，晏龙彪，伏松平，王亚玲，李卓民，
申请(专利权)人：中铁建电气化局集团第四工程有限公司，
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。