路面裂缝图像预处理方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112862706A(43)申请公布日2021.05.28(21)申请号202110106360.X(22)申请日2021.01.26(71)申请人北京邮电大学地址100876北京市海淀区西土城路10号(72)发明人徐国胜徐国爱陈煜东(74)专利代理机构北京风雅颂专利代理有限公司11403代理人王刚(51)Int.Cl.G06T5/00(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)G06T7/00(2017.01)权利要求书2页说明书11页附图5页(54)发明名称路面裂缝图像预处理方法、装置、电子设备及存储介质(57)摘要本申请中一个或多个实施例提供一种路面裂缝图像预处理方法、装置、电子设备及存储介质，包括：获取路面裂缝图像集；路面裂缝图像集，包括：干扰图像集和去干扰图像集；构建卷积生成对抗网络；卷积生成对抗网络，包括：生成器和判别器；将干扰图像集输入生成器以生成混淆图像集；判断判别器是否能够区分去干扰图像集和混淆图像集；若否，则完成对路面裂缝图像集的预处理。本申请提供的方法利用卷积生成对抗网络对干扰图像集进行预处理，使得将干扰图像集转化为与去干扰图像集同样具有高分辨率的图像集，在保留高分辨率的裂缝特征的同时，淡化了背景噪声的影响，达到既提升裂缝模型的识别准确率又减少模型误识别的效果。CN112862706ACN112862706A权利要求书1/2页1.一种路面裂缝图像预处理方法，其特征在于，包括：获取路面裂缝图像集；所述路面裂缝图像集，包括：干扰图像集和去干扰图像集；构建卷积生成对抗网络；所述卷积生成对抗网络，包括：生成器和判别器；将所述干扰图像集输入所述生成器以生成混淆图像集；判断所述判别器是否能够区分所述去干扰图像集和所述混淆图像集；若否，则完成对所述路面裂缝图像集的预处理。2.根据权利要求1所述的路面裂缝图像预处理方法，其特征在于，所述卷积生成对抗网络，包括：卷积层；在所述卷积生成对抗网络中，利用所述卷积层替换全连接层。3.根据权利要求1所述的路面裂缝图像预处理方法，其特征在于，所述将所述干扰图像集输入所述生成器以生成混淆图像集，之前还包括：基于带步长的转置卷积对所述路面裂缝图像集执行上采样。4.根据权利要求1所述的路面裂缝图像预处理方法，其特征在于，所述生成器，包括：第一模型参数；所述判别器，包括：第二模型参数；所述构建卷积生成对抗网络，之后还包括：固定所述第一模型参数，并将所述去干扰图像集和所述干扰图像集分别关联真实标记和零标记以更新所述第二模型参数；固定所述第二模型参数，并将所述干扰图像集关联所述真实标记以更新所述第一模型参数；根据更新后的所述第一模型参数和所述第二模型参数优化所述卷积生成对抗网络。5.根据权利要求1所述的路面裂缝图像预处理方法，其特征在于，所述卷积生成对抗网络，还包括：目标函数所述构建卷积生成对抗网络，之后还包括：根据所述目标函数优化所述卷积生成对抗网络；所述目标函数表示为其中，G表示所述生成器，D表示所述判别器，z表示噪声，x表示真实分布的样本，pdata表示所述真实分布，表示均值操作，D()表示所述判别器的损失函数值，G()表示所述生成器的损失函数值。6.根据权利要求5所述的路面裂缝图像预处理方法，其特征在于，所述根据所述目标函数优化所述卷积生成对抗网络，之后还包括：基于二元交叉熵损失函数、Sigmoid激活函数和Adam优化器优化所述卷积生成对抗网络。7.根据权利要求5所述的路面裂缝图像预处理方法，其特征在于，所述根据所述目标函数优化所述卷积生成对抗网络，具体包括：根据所述判别器使所述目标函数最大化以确定所述判别器的目标函数；根据所述生成器使所述目标函数最小化以确定所述生成器的目标函数。8.一种路面裂缝图像预处理装置，其特征在于，包括：获取模块，被配置为获取路面裂缝图像集；所述路面裂缝图像集，包括：干扰图像集和去干扰图像集；2CN112862706A权利要求书2/2页构建模块，被配置为构建卷积生成对抗网络；所述卷积生成对抗网络，包括：生成器和判别器；生成模块，被配置为将所述干扰图像集输入所述生成器以生成混淆图像集；判断模块，被配置为判断所述判别器是否能够区分所述去干扰图像集和所述混淆图像集；处理模块，被配置为若否，则完成对所述路面裂缝图像集的预处理。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的路面裂缝图像预处理方法。10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至7任意一项所述