[发明专利]衬砌线识别方法、装置及可读存储介质

说明书

本申请提供一种衬砌线识别方法、装置及可读存储介质，包括：利用卷积神经网络对从雷达波图像中提取初选衬砌线；根据预设规则将所述雷达波图像在纵向划分为多个像素段，每个像素段的长度为N个像素点；获取每个像素段的所述N个像素点中的垂直梯度为极小值的像素点，所述垂直梯度为极小值的像素点为对应像素段的极小值点；将所述雷达波图像的每列像素点中属于同一像素段的极小值点连接，获得多个候选衬砌线；根据所述初选衬砌线以及多个候选衬砌线，确定终选衬砌线。衬砌线反映衬砌所在的位置，属于隧道建设中一层较薄的防水材料，位于两层支撑结构之间，因此在确定出衬砌线之后可大大降低雷达波图像的判读难度，提高分析效率，降低成本。

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种衬砌线识别方法、装置及可读存储介质。

背景技术

在铁路、公路隧道的施工完成后，为了保障施工的工程质量，需要进行工程验收，工程验收工作的主要内容是采用雷达波检测技术对混凝土衬砌进行无损探测，随后将探测采集到的雷达数据可视化，由行业专家进行分析。

然而由于雷达数据的复杂性较高且容易被噪声干扰，使得可视化后的雷达波图像的判读需要较高的专业知识和较强的经验，难度较高，从而造成分析效率较低、成本较高的问题。

发明内容

本申请实施例的目的在于提供一种衬砌线识别方法、装置及可读存储介质，用以改善现有技术中分析效率较低、成本较高的问题。

第一方面，本申请实施例提供了一种衬砌线识别方法，利用卷积神经网络对从雷达波图像中提取初选衬砌线；根据预设规则将所述雷达波图像在纵向划分为多个像素段，每个像素段的长度为N个像素点；获取每个像素段的所述N个像素点中的垂直梯度为极小值的像素点，所述垂直梯度为极小值的像素点为对应像素段的极小值点；将所述雷达波图像的每列像素点中属于同一像素段的极小值点连接，获得多个候选衬砌线；根据所述初选衬砌线以及多个候选衬砌线，确定终选衬砌线。

在上述的实施方式中，可以利用卷积神经网络从雷达波图像中提取初选衬砌线，然后利用预设规则将雷达波图像沿纵向划分为多个像素段，并计算每个像素段中N个像素点的垂直梯度，将N个像素点中垂直梯度为极小值的像素点作为相应的像素段的极小值点，对于雷达波图像的每一列，将属于同一像素段的极小值点连接，可以得到多个候选衬砌线，再依据初选衬砌线以及多个候选衬砌线来确定出终选衬砌线。衬砌线反映衬砌所在的位置，属于隧道建设中一层较薄的防水材料，位于两层支撑结构之间，因此在确定出衬砌线之后可大大降低雷达波图像的判读难度，提高分析效率，降低成本。

在一个可能的设计中，在所述获取每个像素段的所述N个像素点中的垂直梯度为极小值的像素点之前，所述方法还包括：计算所述雷达波图像中每个像素点的垂直梯度。

在上述的实施方式中，可以先计算雷达波图像中全部像素点的每个像素点的垂直梯度，以便于后续对每个像素段选择垂直梯度为极小值的像素点。

在一个可能的设计中，所述卷积神经网络包括第一卷积神经网络以及第二卷积神经网络；所述利用卷积神经网络对从雷达波图像中提取初选衬砌线，包括：利用所述第一卷积神经网络对所述雷达波图像进行处理，获得目标衬砌区域，所述目标衬砌区域为从所述雷达波图像筛选出的条状区域；利用所述第二卷积神经网络对所述目标衬砌区域进行处理，获得所述初选衬砌线，所述初选衬砌线为从所述目标衬砌区域筛选出的线状区域。

在上述的实施方式中，可以令雷达波图像依次经第一卷积神经网络以及第二卷积神经网络的处理，先由第一卷积神经网络从雷达波图像获得目标衬砌区域，然后由第二卷积神经网络从目标衬砌区域获得初选衬砌线，通过两个卷积神经网络对雷达波图像先后进行处理，较好地提高了初选衬砌线获取的准确性。

在一个可能的设计中，所述利用所述第一卷积神经网络对所述雷达波图像进行处理，获得目标衬砌区域，包括：对所述雷达波图像依次通过第一卷积层、池化层、多个残差块、第二卷积层进行处理获得第一处理结果；对所述第一处理结果进行缩放，获得所述目标衬砌区域。