[发明专利]一种改进隧道衬砌渗漏水图像分割方法

说明书

本发明涉及一种改进隧道衬砌渗漏水图像分割方法，利用嵌入CBAM模块的BlendMask网络模型对隧道衬砌图像渗漏水区域分割。本发明可抑制隧道衬砌图像的衬砌背景、拼接缝、噪声等其它无用信息以对渗漏水图像中渗漏水区域的图像特征进行更好的表达，从而提高隧道衬砌图像中渗漏水区域的提取的精确性。

技术领域

本发明涉及一种改进隧道衬砌渗漏水图像分割方法。

背景技术

隧道衬砌渗漏水病害也是各类运营隧道中普遍存在的一种病害，渗漏水病害主要是隧道运营时不良的外部环境，以及隧道结构自身缺陷造成的危害，其主要有隧道衬砌渗水、滴水、淌水及涌水几种情况。隧道衬砌的渗漏水病害对隧道的稳定性、相关设施、行车安全、等均会产生诸多不良影响。传统人工检测渗漏水病害检测效率比较低下，主观性较强，在铁路日益增长的运量给隧道的运营维护带来的巨大压力下，已经越来越不能满足对既有线电气化铁路隧道运营维护的检测要求。

机器视觉方法采用稳定性强、拍摄速度快、拍摄精度高的高速相机，拍摄覆盖整个隧道断面图像，然后利用先进的图像处理的方法对病害进行识别、分类和分割，从而确定隧道的病害状况。在此基础上，对隧道缺陷还可以进行定性和定量分析。利用深度神经网络模型在隧道衬砌渗漏水病害图像分割中已经取得了一定的研究成果，但是由于隧道衬砌图像的复杂性，受光照、管线等影响，使得在预测得到的渗漏水区域的分割精度依然较低。

发明内容

本发明的目的是提供一种可抑制隧道衬砌图像的衬砌背景、拼接缝、噪声等其它无用信息以对渗漏水图像中渗漏水区域的图像特征进行更好的表达，从而提高隧道衬砌图像中渗漏水区域的提取的精确性的进隧道衬砌渗漏水图像分割方法。

本发明采用如下技术方案：

一种改进隧道衬砌渗漏水图像分割方法，利用嵌入CBAM模块的BlendMask网络模型对隧道衬砌图像渗漏水区域分割；

所述嵌入CBAM模块的BlendMask网络模型是在成像设备采集的隧道衬砌渗漏水图像通过骨架网络进行卷积，由浅入深地提取其各个阶段所得到C₁、C₂、C₃、C₄、C₅特征图后，在C₂、C₃、C₄、C₅的卷积层后分别添加CBAM注意力模块构建BlendMask网络模型特征金字塔网络。

进一步的，所述骨架网络为ResNet网络。

进一步的，所述骨架网络为ResNet(101)。

进一步的，所述BlendMask网络模型底部模块输入采用P₃、P₄、P₅特征图。

进一步的，P₂、P₃、P₄、P₅计算公式为：

式中，CBAM_i代表第i阶段特征图所对应的CBAM注意力权重矩阵；代表对应元素相乘操作。

进一步的，所述骨架网络为ResNet(101)作为骨架网络，并在ResNet(101)中使用间隔为3的可变形卷积。

进一步的，所述BlendMask网络顶部模块的顶级注意力A为形状为N×(K×M×M)×H_l×W_l张量，其中M×M注意力图的分辨率。