【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及一种基于深度学习的裂缝图像去模糊方法、装置、电子设备和存储介质。
技术介绍
1、利用计算机视觉技术对图像进行自动化裂缝检测，已成为土木工程领域的重要手段之一。在获取裂缝图像时，由于拍摄相机受到外部环境或外力的影响产生抖动，可能发生运动模糊现象。同时裂缝模糊图像存在一些阴影和噪声，容易使语义分割模型识别的裂缝轮廓发生大面积缺失和断裂。因此，需要通过去模糊算法去除裂缝模糊图像的模糊效果，提升裂缝图像质量。
2、深度学习算法能够自动进行特征提取和模糊核的估计，同时也能避免振铃效应的影响。目前常用的去模糊深度学习算法主要包括两类，即卷积神经网络(cnn)和生成式对抗神经网络(gans)。基于深度学习的去模糊算法，人们开发了多种基础结构，包括深层解码器和编码器结构、生成式对抗网络结构和多尺度融合网络结构等。不同的基础结构带来了不同的图像质量提升效果与图像分割效果。但是他们大多数关注于日常生活图像的复原，仍然很少有人考虑到模糊裂缝图像的复原工作。
3、现有的去模糊算法应用于模糊裂缝图像存在的问...
【技术保护点】
1.一种基于深度学习的裂缝图像去模糊方法，其特征是，包括以下步骤：
2.根据权利要求1所述的基于深度学习的裂缝图像去模糊方法，其特征是：第一级和第二级的浅层特征提取模块依次由卷积层、第一卷积块注意力模块、空洞空间金字塔池化模块、第二卷积块注意力模块和残差密集模块组合构成。
3.根据权利要求2所述的基于深度学习的裂缝图像去模糊方法，其特征是：图像复原模块依次由卷积模块、ASPP模块、至少四个CBAM模块和两个卷积模块组合构成。
4.根据权利要求1、2或3所述的基于深度学习的裂缝图像去模糊方法，其特征是：DMNet神经网络的损失L为：<...
【技术特征摘要】
1.一种基于深度学习的裂缝图像去模糊方法，其特征是，包括以下步骤：
2.根据权利要求1所述的基于深度学习的裂缝图像去模糊方法，其特征是：第一级和第二级的浅层特征提取模块依次由卷积层、第一卷积块注意力模块、空洞空间金字塔池化模块、第二卷积块注意力模块和残差密集模块组合构成。
3.根据权利要求2所述的基于深度学习的裂缝图像去模糊方法，其特征是：图像复原模块依次由卷积模块、aspp模块、至少四个cbam模块和两个卷积模块组合构成。
4.根据权利要求1、2或3所述的基于深度学习的裂缝图像去模糊方法，其特征是：dmnet神经网络的损失l为：
5.一种基于深度学习的裂缝图像去模糊装置，其特征是：包括从下往上进行特征提取和特征传输的三级特征提取模块和一个图像复原模块：
6.根据权利要求5所述的基于...
【专利技术属性】
技术研发人员：孙瑞，李旭明，刘纲，陈民轩，于笑晗，
申请(专利权)人：重庆大学，
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。