[发明专利]基于空间金字塔空洞卷积网络的桥梁裂缝检测方法

说明书

本发明公开了一种基于空间金字塔空洞卷积网络的桥梁裂缝检测方法，其步骤为：1、构建空间金字塔空洞卷积网络；2、生成训练集、标签、测试集；3、对训练集和测试集中的每一幅图像进行预处理；4、训练空间金字塔空洞卷积网络；5、对测试集进行检测；6、计算桥梁裂缝图像的测试指标。本发明通过搭建空间金字塔空洞卷积网络，保证了空间金字塔空洞卷积网络对桥梁裂缝图像的检测，利用随机梯度下降方法对空间金字塔空洞卷积网络在大数据集上进行训练，保证了空间金字塔空洞卷积网络对桥梁裂缝图像检测的鲁棒性和准确率，并且使得训练能够在较短时间内完成。

技术领域

本发明属于物理技术领域，更进一步涉及图像处理技术领域的一种基于空间金字塔空洞卷积网络的混凝土桥梁裂缝检测方法。本发明可应用于对混凝土桥梁图像中的裂缝进行检测。

背景技术

衡量混凝土桥梁病害程度的指标是由裂缝长度、宽度和数量等信息所构成。常见的混凝土桥梁裂缝信息获取方法有：放大镜测量法或者裂缝测量仪是手工操作，效率低，测试精度低，成本高并且在混凝土桥梁现场可能对工人造成一定的危险；深度学习检测方法是自动化的操作方法，效率高，测量精度高，成本低，是目前混凝土桥梁裂缝检测领域研究最多的技术，该方法是通过高清摄像机完成图像采集，计算机对采集的混凝土桥梁裂缝图像进行处理和计算得到裂缝的长度，宽度，数量等相关信息，从而根据得到的这些信息对混凝土桥梁病害程度进行评定。

西安电子科技大学在其申请的专利文献“基于HOG特征的混凝土桥梁表面裂缝检测方法”(专利申请号：2017102250202，申请公开号：CN107169953A)中提出利用HOG(Histogram of Oriented Gradient)特征对混凝土桥梁裂缝进行检测的方法。该方法的步骤是，输入彩色图像H，转化为灰度图并进行去噪滤波，然后对滤波图像进行二值化处理，统计梯度方向直方图，并根据统计结果对去噪灰度二值图像块进行初步处理与合并，得到图像H的完整二值图像；接下来计算图像H的HOG(Histogram of Oriented Gradient)特征，训练SVM分类器，计算彩色图像N的HOG(Histogram of Oriented Gradient)特征，输入SVM分类器，对图像N的各像素点进行分类，并标记分类结果，得到检测到的裂缝图。该方法虽然可以通过HOG(Histogram of Oriented Gradient)特征进行分类训练，但是，该方法仍然存在的不足之处是，由于混凝土桥梁裂缝图像的噪音点较多，HOG特征(Histogram of OrientedGradient)对噪点相当敏感，造成提取HOG(Histogram of Oriented Gradient)特征时精度降低，由于HOG特征提取精度低，造成SVM利用HOG特征分类时精度降低，从而造成混凝土桥梁裂缝检测精度降低。

南京理工大学在其申请的专利文献“基于多种低层显著特征的路面裂缝检测方法”(专利申请号：201410141476.7，申请公开号：103903268A)中提出了一种基于多种低层显著特征的路面裂缝检测方法。该方法的步骤是，采集路面灰度图像，将图像划分为几个局部分块，计算每个像素的稀少性概率，生成裂缝特征图，通过贝叶斯理论的双邻域扩张提取裂缝，再通过自适应阈值分割进行区域增长增强进一步提取裂缝，最后计算裂缝的面积、位置等各项具体参数。该方法虽然能够检测出裂缝，但是该方法的不足之处在于，由于裂缝图像背景像素的干扰，在计算像素稀少性概率时造成误差较大，因此检测的裂缝图像分辨率较差。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于空间金字塔空洞卷积网络的混凝土桥梁裂缝检测方法，通过构建于空间金字塔空洞卷积网络，设置检测状态，快速的检测混凝土桥梁图像中是否含有裂缝。

为实现上述目的，本发明的方法包括如下步骤：

(1)构造空间金字塔空洞卷积网络：

(1a)搭建一个由主网络和子网络并联组成的空间金字塔空洞卷积网络；

所述主网络由输入层和第1个卷积层组成；