【技术实现步骤摘要】
本专利技术属于图像增强领域，特别涉及一种热力管道缺陷图像处理方法。
技术介绍
1、随着城市化进程的加快和工业需求的增加，热力管道成为重要的基础设施；然而，热力管道在长期使用过程中容易出现腐蚀、裂纹、磨损等缺陷，这些缺陷可能会导致管道的短路，运行安全，甚至引发重大事故；因此，及时、准确地检测热力管道的缺陷至关重要；然而，由于管道表面复杂，获取的图像往往存在分辨率低、细节模糊等问题，影响了缺陷检测，通过超分辨率技术，可以在保持图像整体结构的基础上增强图像清晰度，使得小尺寸、高强度的缺陷得到清晰显示，进一步提高检测的精度和可靠性。
2、近年来，基于transformer的模型在计算机视觉领域的应用逐渐增多，尤其是在图像增强、超分辨率、目标检测任务中，基于transformer的模型能够提取图像中的复杂信息和长距离依赖关系，使其在这些任务中表现出色，目前transformer架构中使用的矩形移位窗口技术是超分辨率模型中的一种常见做法，可提高图像增强的质量和鲁棒性，然而，矩形移位窗口技术在边界处存在失真，而且移位模式有限，为了解决上述...
【技术保护点】
1.一种热力管道缺陷图像处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种热力管道缺陷图像处理方法，其特征在于，所述S2中，对于通道信息提取模块，输入热力管道缺陷图像特征，对进行全局平均池化操作，降低信息冗余，，表示全局平均池化操作，池化结果经过1×1卷积层和GeLU激活函数增强非线性特征的表示，提升模型训练效果，， 表示1×1卷积层，表示GeLU激活函数，然后使用1×1卷积层和LeakyReLU激活函数增强特征的表达能力，， 表示1×1卷积层，表示LeakyReLU激活函数，输出经过通道注意力机制，根据不同通道的重要性，为每个通道分配权重...
【技术特征摘要】
1.一种热力管道缺陷图像处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种热力管道缺陷图像处理方法，其特征在于，所述s2中，对于通道信息提取模块，输入热力管道缺陷图像特征，对进行全局平均池化操作，降低信息冗余，，表示全局平均池化操作，池化结果经过1×1卷积层和gelu激活函数增强非线性特征的表示，提升模型训练效果，， 表示1×1卷积层，表示gelu激活函数，然后使用1×1卷积层和leakyrelu激活函数增强特征的表达能力，， 表示1×1卷积层，表示leakyrelu激活函数，输出经过通道注意力机制，根据不同通道的重要性，为每个通道分配权重，最后将通道权重乘以得到通道注意力特征，，表示通道注意力机制，表示元素相乘。
3.根据权利要求1所述的一种热力管道缺陷图像处理方法，其特征在于，所述s3中，对于局部窗口注意力模块，输入热力管道缺陷图像特征，首先对进行批量归一化操作，，表示批量归一化操作，然后对分别进行通道信息提取、三角形局部特征提取和矩形局部特征提取，使用通道信息提取模块对进行通道信息提取得到，表示通道信息提取模块，使用三角形窗口注意力、3×3卷积层、最大池化层和多层感知器对进行三角形局部特征提取得到，表示三角形窗口注意力，表示3×3卷积层，表示最大池化操作，表示多层感知器，使用矩形窗口注意力、3×3卷积层、最大池化层和多层感知器对进行矩形局部特征提取得到，表示矩形窗口注意力，表示3×3卷积层，表示最大池化操作，表示多层感知器，将三角形局部特征提取和矩形局部特征提取的结果连接得到，表示连接操作，将连接后的特征与通道信息提取模块得到的通道注意力特征进行元素相加，提高整体性能，代表逐元素相加，为了增强模型的局部特征提取和非线性表达能力，使用多层感知器、3×3卷积层和leakyrelu激活函数对相加后的特征进行优化，，表示多层感知器，表示3×3卷积层，表示leakyrelu激活函数，最后为了提高模型训练的稳定性引入了残差连接，将和进行元素相加得到图像局部信息，代表逐元素相加。
4.根据权利要求1所述的一种热力管道缺陷图像处理方法，其特征在于，所述s4中，对于全局窗口注意力模块，输入热力管道缺陷图像特征，首先对进行批量归一化操作，，表示批量归一化操作，然后对分别进行通道信息提取、三角形全局特征提取和矩形全局特征提取，使用通道信息提取模块对进行通道信息提取得到，表示通道信息提取模块，使用三角形窗口注意力、7×7卷积层、全局平均池化层和多层感知器对进行三角形全局特征提取得到，表示三角形窗口注意力，表示7×7卷积层，表示全局平均池化操作，mlp表示多层感知器，使用矩形窗口注意力、7×7卷积层、全局平均池化层和多层感知器对进行矩形全...
【专利技术属性】
技术研发人员：袁春明，杜浩，任传龙，
申请(专利权)人：山东和光智慧能源科技有限公司，
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。