一种基于改进Unet的全视野特征融合裂缝分割方法技术

本发明专利技术公开了一种基于改进Unet的全视野特征融合裂缝分割方法，属于图像分割技术领域。包括：获取图像数据集，并进行预处理；构建以Unet网络为基础的改进网络NxUnet，利用改进的蛇形动态卷积层代替基础卷积层；在编码器和解码器的每一层的跳跃连接中加入残差CBAM模块；引入多特征融合注意力模块HUBCS处理所述编码器各层的特征图，其结果送入所述解码器各对应层；利用预处理后的所述图像数据集对所述改进网络NxUnet进行训练，得到训练好的所述改进网络NxUnet。本发明专利技术通过自定义的HUBCS模块以残差CBAM模块全视野特征融合来改进Unet网络模型，更好地捕捉和利用图像中的全局和局部信息。提高了分割的精度，还增强了泛化能力。

【技术实现步骤摘要】

本专利技术涉及图像分割，特别涉及一种基于改进unet的全视野特征融合裂缝分割方法。

技术介绍

1、在工业背景中，裂缝分割是一项至关重要的任务。裂缝检测的精度和可靠性直接关系到后续补救措施的紧急程度和补救成本预估。

2、传统的检测方法通常依赖于手动检查，这不仅费时费力，而且容易受到人为因素的影响。通过将图像分割中特定区域分割出来，可以识别和分离出感兴趣的结构或缺陷，如裂缝、腐蚀、磨损等，从而辅助工程师进行检测和维护。高效准确的图像分割在工业图像处理中的应用范围广泛，包括但不限于无损检测(ndt)、结构健康监测、质量控制和预防性维护。随着计算机视觉和深度学习技术的迅速发展，自动化图像分割技术为裂缝检测提供了更加高效和准确的解决方案。

3、现有的图像分割算法中，unet是一种常用且性能优异的深度学习模型。unet通过编码器-解码器结构，能够有效地捕捉图像的上下文信息和细节特征，因而在许多工业图像分割任务中取得了显著的效果。unet模型自提出以来，已经成为工业图像分割领域的主流方法之一，且经过了多次改进和优化，衍生出了许多变种和增强版本，例本文档来自技高网...

【技术保护点】

1.一种基于改进Unet的全视野特征融合裂缝分割方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于改进Unet的全视野特征融合裂缝分割方法，其特征在于，所述的预处理包括：

3.根据权利要求1所述的基于改进Unet的全视野特征融合裂缝分割方法其特征在于：所述NxUnet网络由编码器和解码器两个部分组成；

4.根据权利要求1所述的基于改进Unet的全视野特征融合裂缝分割方法，其特征在于：所述改进的蛇形动态卷积层包括依次连接的DSConv、BatchNorm、Dropout函数和Leak ReLU激活函数。

5.根据权利要求1所述的基...

【技术特征摘要】

1.一种基于改进unet的全视野特征融合裂缝分割方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于改进unet的全视野特征融合裂缝分割方法，其特征在于，所述的预处理包括：

3.根据权利要求1所述的基于改进unet的全视野特征融合裂缝分割方法其特征在于：所述nxunet网络由编码器和解码器两个部分组成；

4.根据权利要求1所述的基于改进unet的全视野特征融合裂缝分割方法，其特征在于：所述改进的蛇形动态卷积层包括依次连接的dsconv、batchnorm、dropout函数和leak relu激活函数。

5.根据权利要求1所述的基于改...

【专利技术属性】
技术研发人员：李媛媛，刘文豪，袁世豪，高泽伟，伊宏基，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：