基于双鉴别器融合图像生成网络的建筑立面劣化检测方法技术

本发明专利技术公开了一种基于双鉴别器融合图像生成网络的建筑立面劣化检测方法，该方法包括：获取指定建筑外立面的可见光与红外高质量检测图像对，预处理后的图像作为训练外墙病害检测模型的数据集；构建双鉴别器融合图像生成网络，利用获得的数据集训练网络获得性能良好的融合图像生成器，训练过程中对融合图像的质量进行定量评价以确保融合图像能够较好的保存可见光图像中的纹理细节和红热图像中的热特征信息；对融合图像进行图像实例分割检测不同类型病害。本发明专利技术能够获得较为直观、精准的建筑外墙病害融合图像，实用性较强且克服了单一模态病害检测的局限，能够识别多种外墙病害，提高了外墙病害检测效率。

【技术实现步骤摘要】

本专利技术涉及建筑外立面材料内外损坏的检测，尤其涉及一种基于双鉴别器融合图像生成网络的建筑立面劣化检测方法。

技术介绍

1、建筑物外观会因材料老化、施工失误和自然灾害等原因出现裂缝、凹陷、渗漏等劣化现象，影响其使用寿命和居民安全。近年来，结合无人机和先进图像设备(如rgb相机、红外相机、激光扫描仪)用于建筑立面的检查。可见光成像和红外成像可以提供不同的视觉信息，前者适用于表面损伤，后者则能检测隐藏在表面下的损伤，但仍面临图像处理和数据融合技术上的限制。传统的图像融合方法在多模态图像融合的过程中，仍然存在信息丢失和融合不充分的问题，这限制了其在复杂场景中的应用效果。如何提升多模态图像融合和自动化检测的准确性，成为了研究的关键问题。

技术实现思路

1、本专利技术的目的在于针对现有技术的不足，提供一种基于双鉴别器融合图像生成网络的建筑立面劣化检测方法。本专利技术能够提高多模态图像融合和检测的准确性，为更高效智能的建筑劣化检测提供支持。

2、本专利技术的目的是通过以下技术方案来实现的：本专利技术实施例第一本文档来自技高网...

【技术保护点】

1.一种基于双鉴别器融合图像生成网络的建筑立面劣化检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于双鉴别器融合图像生成网络的建筑立面劣化检测方法，其特征在于，所述步骤(1)具体包括：

3.根据权利要求1所述的基于双鉴别器融合图像生成网络的建筑立面劣化检测方法，其特征在于，所述融合图像生成器的作用是根据输入的可见光与红外图像对生成融合图像；所述融合图像生成器包括编码网络和解码网络，其中，所述编码网络包括多个卷积块和多个残差块，每个所述卷积块包括卷积层、归一化层和ReLU激活函数；所述解码网络包括多个卷积块和输出模块，每个所述卷积块包括卷积层、归一化...

【技术特征摘要】

1.一种基于双鉴别器融合图像生成网络的建筑立面劣化检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于双鉴别器融合图像生成网络的建筑立面劣化检测方法，其特征在于，所述步骤(1)具体包括：

3.根据权利要求1所述的基于双鉴别器融合图像生成网络的建筑立面劣化检测方法，其特征在于，所述融合图像生成器的作用是根据输入的可见光与红外图像对生成融合图像；所述融合图像生成器包括编码网络和解码网络，其中，所述编码网络包括多个卷积块和多个残差块，每个所述卷积块包括卷积层、归一化层和relu激活函数；所述解码网络包括多个卷积块和输出模块，每个所述卷积块包括卷积层、归一化层和relu激活函数，所述输出模块包括卷积层和tanh激活函数；

4.根据权利要求1所述的基于双鉴别器融合图像生成网络的建筑立面劣化检测方法，其特征在于，两个所述图像鉴别器的结构相同，所述图像鉴别器的作用是用于预测输入图像来源的概率并将预测结果以标量的形式输出，其中的一个图像鉴别器作为可见光图像鉴别器，用于预测输入图像来自于真实的可见光图像及融合图像的概率；另一个图像鉴别器作为红外图像鉴别器，用于预测输入图像来自于真实的红外图像及融合图像的概率；每个所述图像鉴别器包括多个卷积块和输出块，每个所述卷积块包括卷积层、归一化层和relu激活函数，所述输出块包括卷积层和sigmoid激活函数；

5.根...

【专利技术属性】
技术研发人员：舒江鹏，卓小兰，王梓宇，张晓武，
申请(专利权)人：杭州旷行科技有限公司，
类型：发明
国别省市：