公开(公告)号：CN118657687A

公开(公告)日：2024-09-17

申请号：CN202410623414.3

申请日：2024-05-20

Applicant: 重庆大学

Inventor： 孙瑞 ,  李旭明 ,  刘纲 ,  陈民轩 ,  于笑晗

IPC: G06T5/73 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的裂缝图像去模糊方法、装置、电子设备和存储介质，属于图像处理技术领域。该去模糊方法包括以下步骤：步骤1、收集并构建裂缝模糊图像数据集；步骤2、构建DMNet神经网络；步骤3、DMNet神经网络训练获取神经网络权重；步骤4、输入裂缝模糊图像进行图像恢复与结果输出。本发明的技术效果是：实现了模糊裂缝图像能充分复原，细小裂缝清晰，严重模糊的裂缝图像能清楚复现。

公开(公告)号：CN117830692A

公开(公告)日：2024-04-05

申请号：CN202311655443.X

申请日：2023-12-05

Applicant: 重庆大学

Inventor： 孙瑞 ,  李旭明 ,  刘纲 ,  狄谨 ,  李志刚

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06N20/20 ,  G06N5/01 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于随机森林的复杂背景桥梁裂缝图像分类方法，包括以下步骤：1)采集桥梁裂缝图并打上分类标签，构建图像训练集；2)选取多个神经网络，并利用图像训练集对这些神经网络分别进行训练，得到多个神经网络图像分类模型；3)将桥梁裂缝图分别输入这些神经网络图像分类模型中，提取特征向量；4)构建图像特征数据集；5)构建若干特征子数据集；6)构建决策树；7)利用特征子数据集训练决策树，得到最优决策树；8)将待识别桥梁裂缝图输入所有最优决策树中，整合得到最终图像分类预测结果。本发明实现了模糊图像、阴影遮蔽图像和正常图像的精确识别和分类，有效地提升了网络的泛化能力和识别精度。

公开(公告)号：CN118365543A

公开(公告)日：2024-07-19

申请号：CN202410477090.7

申请日：2024-04-19

Applicant: 重庆大学 ,  中国电建集团昆明勘测设计研究院有限公司

Inventor： 孙瑞 ,  李旭明 ,  刘纲 ,  张礼兵 ,  胡灵芝 ,  陈民轩 ,  于笑晗

IPC: G06T5/60 ,  G06T5/50 ,  G06T5/77 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/096

Abstract: 本发明公开一种基于改进EnlightenGAN的裂缝图像阴影去除方法，包括以下步骤：1)构建裂缝图像数据集与裂缝图像分割数据集；2)基于裂缝图像数据集，构建基于改进EnlightenGAN的裂缝图像去阴影模型；3)获取待处理裂缝图像，并输入至裂缝图像去阴影模型中，得到去阴影裂缝图像。本发明对EnlightenGAN模型进行改进，提出了阴影裂缝图像质量提升框架。利用图像超分辨率重建生成式对抗网络(ESRGAN)提高图像分辨率，增强裂缝边缘轮廓。在EnlightenGAN的生成器中引入了多尺度特征融合模块(ASPP)和残差密集模块(RRDB)，以增强裂缝区域和轮廓。

公开(公告)号：CN118429644A

公开(公告)日：2024-08-02

申请号：CN202410623521.6

申请日：2024-05-20

Applicant: 重庆大学

Inventor： 孙瑞 ,  李旭明 ,  刘纲 ,  陈民轩 ,  于笑晗

IPC: G06V10/26 ,  G06V20/17 ,  G06V10/774 ,  G06V10/10 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于离散小波变换的裂缝图像分割方法及其系统、存储介质，其中，裂缝图像分割方法包括以下步骤：步骤1、收集并构建裂缝图像分割数据集；步骤2、DWT提取图像分量；步骤3、建立DWT神经网络；步骤4、DWTNet训练，获取神经网络权重；步骤5、向DWTNet输入裂缝图像，输出图像分割结果。本发明的技术效果是：利用离散小波变换DWT提取图像不同方向和频域的分量，引入跳层连接和多阶段融合方法构建DWTNet，用以对图像进行图像分割，与现有技术相比，提高了图像分割后裂缝的清晰度。

公开(公告)号：CN118799627A

公开(公告)日：2024-10-18

申请号：CN202410781932.8

申请日：2024-06-18

Applicant: 重庆大学

Inventor： 孙瑞 ,  李旭明 ,  刘纲 ,  陈民轩 ,  于笑晗

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种交叉融合神经网络模型及使用该模型的裂缝图像分类判别方法，属于图像处理技术领域。该模型包括离散小波变换和交叉融合神经网络，将原始图像和离散小波变换提取图像低频分量作为特征信息输入CFNet神经网络；CFNet神经网络包括上下两条特征提取路线，每条特征提取路线具有从左至右的三级卷积单元；两个第一级卷积单元输出的特征信息交互相加，输入至对应的两个第二级卷积单元，两个第二级卷积单元的特征信息交互相加，输入至对应的两个第三级卷积单元，两个第三级卷积单元输出的特征信息相加，输入至通道注意力模块SE、两个卷积层、全连接层中，三个全连接层获取图像分类的三个类别。本发明提高了图像分类判别的准确性。

公开(公告)号：CN118608424A

公开(公告)日：2024-09-06

申请号：CN202410781876.8

申请日：2024-06-18

Applicant: 重庆大学

Inventor： 孙瑞 ,  李旭明 ,  刘纲 ,  陈民轩 ,  于笑晗

IPC: G06T5/73 ,  G06T5/60 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明公开了一种改进MPRNet的裂缝图像模糊去除方法和改进型MPRNet模块，属于图像处理技术领域。裂缝图像模糊去除方法包括：步骤1、收集并构建裂缝图像数据集；步骤2、构建改进的MPRNet结构；步骤3、通过迁移学习与神经网络训练获取神经网络权重；步骤4、输入裂缝模糊图像并进行图像恢复与结果输出。改进型MPRNet模块包含6个膨胀卷积层，各卷积层的膨胀率分别为1,2,3,1,2和3。与现有MPRNet相比，本发明的技术效果是：提高了恢复模糊图像细小裂缝的能力。