[发明专利]一种基于深度卷积神经网络的裂缝图像分割方法

摘要

本发明实施例公开了一种基于深度卷积神经网络的裂缝图像分割方法，包括：用相机拍摄原始图像；对原始图像进行人工标注得到标注图像，并把原始图像和标注图像划分为训练集和测试集；提取训练集样本中小区域图像，划分为正负样本；调整正负样本的比例，用于训练深度卷积神经网络；提取测试集样本中小区域图像，输入到训练好的所述深度卷积神经网络中进行预测，并对所有预测结果进行叠加和归一化处理，得到原始图像的裂缝概率图。采用本发明，通过把原始图像分割成小区域图像，并且充分利用深度卷积神经网络较强的特征学习能力，可以很好地处理不同路面情况下的图像，高效准确地实现对图像裂缝的分割与检测。

主权项

1.一种基于深度卷积神经网络的裂缝图像分割方法，其特征在于，包括以下步骤：S1：建立原始图像库，把图像库的原始图像分为训练集和测试集；S2：人工标注所述原始图像库中原始图像的裂缝像素点，通过整理得到标注图像，建立标注图像的图像库，根据所述训练集与测试集的划分把所述标注图像库中的对应图像划入所述训练集和测试集；S3：以所述训练集中的原始图像的每个像素点为中心点，从所述原始图像中提取中心点邻域的小区域图像；S4：根据所述小区域图像的中心点在标注图像中是否属于裂缝像素点，把所有小区域图像分成正样本和负样本；S5：建立包含卷积层、最大池化层和全连接层的深度卷积神经网络；S6：把所述训练集的原始图像的正样本和负样本按照设置的比例放入深度卷积神经网络中进行训练；S7：把测试集中的原始图像按照S3所述进行操作，把得到的小区域图像放入训练好的深度卷积神经网络中进行预测，得到原始图像的概率图。