[发明专利]基于条件滤波GAN的桥梁裂缝检测及分类方法

权利要求书

1.基于条件滤波GAN网络的桥梁裂缝检测及分类方法，其特征在于：包括以下步骤：

S1：依照三类桥梁危险等级，各选取适量图片，并添加对应标签，根据实际情况选取图像像素，建立数据库，所述三类桥梁危险等级包括线状裂缝、块状裂缝和网状裂缝；

S2：建立条件滤波GAN网络；

S3：训练判别器D和生成器G，在训练的过程中采用固定一方，更新另一方的网络权重，交替迭代；

S4：输入待分类图片到条件滤波GAN网络，输出对应标签，得出分类结果。

2.根据权利要求1所述的基于条件滤波GAN网络的桥梁裂缝检测及分类方法，其特征在于：步骤S1中，标签采用相同像素图片的形式，线状裂缝的标签是一张白底有着一条黑色线的图，块状裂缝的标签是一张白底有着两条交叉的黑色线的图，网状裂缝的标签是一张白底有着四条交叉的黑色线且围城封闭图形的图。

3.根据权利要求2所述的基于条件滤波GAN网络的桥梁裂缝检测及分类方法，其特征在于：步骤S2中，条件滤波GAN网络的训练的目标公式如下：

上述公式中，x是一个真实的输入图片；一个附加变量y；噪声变量z_i～Pz_i(z_i)、z_a～Pz_a(z_a)和y～Py(y)，z_a通过y产生，z_a’＝f_y(z_a)，f_y是一个根据y映射z_a的筛选函数，z′是一个条件潜变量，被输入到生成器输入端并影响输出；z_i是一个无条件潜在变量；

具体过程分为两部分描述：生成网络中：将噪声变量z_i～Pz_i(z_i)、z_a～Pz_a(z_a)和y～Py(y)映射到数据空间x＝tt(z_i,z_a,y)的生成器tt，此时的x是由生成器产生的；判别网络中：当x是一个真实的输入图片时，分配一个可探测性的p＝D(x,y)∈[0,1]和p＝D(tt(z_i,z_a,y),y)∈[0,1]的判别器D，其中p判别为真概率，当x由tt生成时，分配一个概率1-p；P_zi(zi)、P_za(za)和Py(y)是z上的先验值，选择均匀的[-1,1]分布。

4.根据权利要求3所述的基于条件滤波GAN网络的桥梁裂缝检测及分类方法，其特征在于：步骤S4中，利用条件滤波GAN中条件变量z′的属性控制功能，便于强化并控制裂缝区域，并生成对应的几何属性的标签。