管道圖像去重方法、計算機裝置、產(chǎn)品及存儲介質(zhì)制造方法及圖紙

本發(fā)明專利技術(shù)公開了一種管道圖像去重方法、計算機裝置、產(chǎn)品及存儲介質(zhì)，接收待識別的管道檢測圖像視頻流，抽幀得到管道圖像幀，并調(diào)整為標準圖像；提取最相近兩幀的圖像，分別基于FPN網(wǎng)絡(luò)計算圖像特征；計算兩張圖像相似度，若相似度大于閾值，則計算兩張圖像的相似區(qū)域及相似區(qū)域在兩張圖像中的位置并輸出計算結(jié)果。本發(fā)明專利技術(shù)解決了昏暗條件下管道智能檢測圖像重復(fù)判別和存儲導(dǎo)致的效率低下、內(nèi)存開銷大、硬件消耗大等問題，為管道智能化檢測效率提升、智能化檢測落地、檢測成本節(jié)約提供了基礎(chǔ)。檢測成本節(jié)約提供了基礎(chǔ)。檢測成本節(jié)約提供了基礎(chǔ)。

Pipeline image de duplication method, computer device, product and storage medium

【技術(shù)實現(xiàn)步驟摘要】
管道圖像去重方法、計算機裝置、產(chǎn)品及存儲介質(zhì)


[0001]本專利技術(shù)涉及圖像處理領(lǐng)域，特別是一種管道圖像去重方法、計算機裝置、產(chǎn)品及存儲介質(zhì)。

技術(shù)介紹

[0002]城市排水管網(wǎng)管道圖像數(shù)據(jù)是管道運行狀態(tài)評價條件的最重要的組成元素之一。在長期的管道檢測過程中，由于對單一管段的重復(fù)檢測視頻，積累了大量的相似或相同的視頻數(shù)據(jù)和圖像數(shù)據(jù)，使得人工判讀變得重復(fù)和繁瑣，從而導(dǎo)致管段缺陷的評估變得困難、效率低下；同時，在使用人工智能算法對管道視頻的判讀過程中，由于視頻流是連續(xù)的圖像數(shù)據(jù)，在一定時間段內(nèi)會產(chǎn)生大量的重復(fù)且相似的管道圖像，嚴重影響了算法的運行效率和后續(xù)對管段運行狀態(tài)的評估。因此，為減少管段評估過程中重復(fù)數(shù)據(jù)的影響，提高管段人工判讀或人工智能算法運行的效率，需要消除視頻流判讀結(jié)果中彼此相似的或相同的圖像數(shù)據(jù)，實現(xiàn)對管段圖像重復(fù)數(shù)據(jù)的去重。
[0003]當前，對持續(xù)視頻流檢測數(shù)據(jù)的相似度計算主要采用傳統(tǒng)相似度判別和基于深度學(xué)習(xí)的圖像相似度判別。傳統(tǒng)相似度判別算法主要采用灰度直方圖、像素方差統(tǒng)計、相關(guān)濾波、光流法、SVM等算法，這些算法魯棒性差，對于背景相似的圖像容易誤判；基于深度學(xué)習(xí)的圖像相似度主要采用CNN+全連接的計算方式，這種算法相對于傳統(tǒng)的算法泛化能力更強、精度更高，然而算法易受卷積網(wǎng)絡(luò)深度和訓(xùn)練集的影響，對于昏暗環(huán)境下拍攝的圖像、模糊圖像、抖動狀態(tài)下拍攝的圖像等特征提取困難，不能有效的進行圖像去重；同時，CNN+全連接的圖像去重方式對于存在多目標、多尺度問題的圖像內(nèi)目標檢測亦無法滿足要求。城市排水管道圖像中，缺陷的尺寸、形態(tài)變化較大，且同一圖像中可能存在多個缺陷，容易將相同缺陷在不同幀的圖像數(shù)據(jù)判別成不相似圖像，因此傳統(tǒng)的相似度判別和基于深度學(xué)習(xí)的圖像相似度判別不能有效的應(yīng)用于管道檢測過程中。

技術(shù)實現(xiàn)思路

[0004]本專利技術(shù)所要解決的技術(shù)問題是，針對現(xiàn)有技術(shù)不足，提供一種管道圖像去重方法、計算機裝置、產(chǎn)品及存儲介質(zhì)，解決現(xiàn)有技術(shù)對昏暗條件下相似圖像去重效果差的問題。
[0005]為解決上述技術(shù)問題，本專利技術(shù)所采用的技術(shù)方案是：一種管道圖像去重方法，包括以下步驟：
[0006]S1、對任意兩張管道圖像進行預(yù)處理，得到標準尺寸的兩張圖像；
[0007]S2、對兩張圖像分別采用深度學(xué)習(xí)預(yù)訓(xùn)練模型，計算圖像特征金字塔，并將特征圖按照特征金字塔中的特征層級輸出；
[0008]S3、配對同一層級的特征圖；
[0009]S4、分別計算相同層級下特征圖的余弦距離，得到所有特征圖余弦距離集合；將余弦距離集合作為sigmord函數(shù)的輸入，計算得到加權(quán)系數(shù)矩陣；將余弦距離集合和加權(quán)系數(shù)矩陣相乘得到綜合評分，即圖像相似度；若所述圖像相似度高于設(shè)定閾值，則判定兩張管道
圖像相似；否則，判定兩張圖像不相似，保留兩張管道圖像中幀數(shù)小的管道圖像，去重完成。
[0010]本專利技術(shù)利用特征金字塔中從上到下不同特征圖的語義信息分析圖像的整體特征和局部特征的相似程度，從而使得模型去重時獲得了極高的精度。同時，本專利技術(shù)對圖像進行標準化處理，解決了不同分辨率圖像的相似程度難以比較的問題。采用sigmord函數(shù)實現(xiàn)了對兩張圖像相似度的綜合評價，實現(xiàn)過程簡單，計算量小，評價效率高。本專利技術(shù)從多個特征層次對圖像紋理進行提取，降低了光照強度對圖像的影響，從而解決了現(xiàn)有技術(shù)對昏暗條件下相似圖像去重效果差的問題。
[0011]步驟S1的具體實現(xiàn)過程包括：
[0012]接收待識別的管道檢測圖像視頻流，抽幀得到管道圖像，計算兩張管道圖像的寬高比；
[0013]1)對于寬高比不滿足M：N的圖像，用邊緣填充的方式填充短邊，以滿足M：N的寬高比要求；其中，M和N均為常數(shù)；
[0014]2)采用線性插值/池化的方式將兩張圖像擴大/縮放至一標準尺寸，得到標準尺寸的兩張圖像。
[0015]本專利技術(shù)可對比不同分辨率下的圖像相似程度，消除了邊界條件帶來的誤差，提高了本專利技術(shù)的適用性。
[0016]步驟S4中，判定兩張管道圖像相似后，還進行包括如下步驟的操作：
[0017]A)對不同大小的特征圖，選用不同大小的感受野，并將特征圖劃分為多個區(qū)域；
[0018]B)在配對特征圖中，采用歐氏距離或余弦距離計算不同區(qū)域下的相似度，并標記相似度高于閾值的區(qū)域；
[0019]C)整合配對特征圖中的所有相似區(qū)域，反演計算出相似區(qū)域在原管道圖像中的位置；
[0020]D)輸出兩張管道圖像的相似度、相似區(qū)域標記像素點坐標。
[0021]相比較于傳統(tǒng)的像素圖像相似度計算，本專利技術(shù)可分析特征圖整體的相似程度，也可識別出相匹配特征圖中相似度最高的區(qū)域，從而判別出相匹配特征圖的重合區(qū)域及重合度。
[0022]上述步驟C)中，在不同分辨率特征圖相似區(qū)域邊界計算時，若反演的相似區(qū)域邊緣不一致，則合并相似區(qū)域邊界點，取兩特征圖中相似區(qū)域的交集，得到原管道圖像中的相似區(qū)域，提高了相似區(qū)域提取的精度。
[0023]作為一個專利技術(shù)構(gòu)思，本專利技術(shù)還提供了一種計算機裝置，包括存儲器、處理器及存儲在存儲器上的計算機程序；所述處理器執(zhí)行所述計算機程序，以實現(xiàn)本專利技術(shù)管道圖像去重方法的步驟。
[0024]作為一個專利技術(shù)構(gòu)思，本專利技術(shù)還提供了一種計算機程序產(chǎn)品，包括計算機程序/指令；該計算機程序/指令被處理器執(zhí)行時實現(xiàn)本專利技術(shù)管道圖像去重方法的步驟。
[0025]作為一個專利技術(shù)構(gòu)思，本專利技術(shù)還提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序/指令；所述計算機程序/指令被處理器執(zhí)行時實現(xiàn)本專利技術(shù)管道圖像去重方法的步驟。
[0026]與現(xiàn)有技術(shù)相比，本專利技術(shù)所具有的有益效果為：
[0027]1)本專利技術(shù)解決了現(xiàn)有算法對昏暗條件下相似圖像去重效果差的問題。本專利技術(shù)基于
圖像多維全局信息，深度挖掘不同維度層次下圖像的全局特征形態(tài)，實現(xiàn)了對不同光照條件下、不同分辨率圖像的整體相似度判別，突破了傳統(tǒng)相似度計算瓶頸，具備極高的普適性和精度；
[0028]2)本專利技術(shù)解決了不同照明條件下相似目標跟蹤困難的問題。本專利技術(shù)從不同的特征維度對圖像的局部區(qū)域進行分析，基于特征圖像的局部紋理信息，耦合機器學(xué)習(xí)算法，實現(xiàn)了對圖像局部相似區(qū)域的深度挖掘和識別，從而實現(xiàn)了對不同圖像中相同或相似目標的識別和跟蹤；
[0029]3)本專利技術(shù)提出了從整體和局部兩個不同角度的圖像相似度評價方法。本專利技術(shù)基于集成學(xué)習(xí)思想耦合了圖像全局語義信息相似度計算方法和局部相似區(qū)域分析方法，分別從圖像的整體相似程度和局部相似程度分別進行解讀，實現(xiàn)了對相同場景下是否存在相似物體的識別和相似物體在不同場景中的跟蹤；
[0030]本專利技術(shù)解決了昏暗條件下管道智能檢測圖像重復(fù)判別和存儲導(dǎo)致的效率低下、內(nèi)存開銷大、硬件消耗大等問題，為管道智能化檢測效率提升、智能化檢測落地、檢測成本節(jié)約提供了基礎(chǔ)。
附圖說明
[0031]圖1為本專利技術(shù)實施例方法流程圖；
[0032]圖2為采用傳統(tǒng)的圖像去重方法的效果圖；
本文檔來自技高網(wǎng)...

【技術(shù)保護點】

【技術(shù)特征摘要】
1.一種管道圖像去重方法，其特征在于，包括以下步驟：S1、對任意兩張管道圖像進行預(yù)處理，得到標準尺寸的兩張圖像；S2、對兩張圖像分別采用深度學(xué)習(xí)預(yù)訓(xùn)練模型，計算圖像特征金字塔，并將特征圖按照特征金字塔中的特征層級輸出；S3、配對同一層級的特征圖；S4、分別計算相同層級下特征圖的余弦距離，得到所有特征圖余弦距離集合；將余弦距離集合作為sigmord函數(shù)的輸入，計算得到加權(quán)系數(shù)矩陣；將余弦距離集合和加權(quán)系數(shù)矩陣相乘得到綜合評分，即圖像相似度；若所述圖像相似度高于設(shè)定閾值，則判定兩張管道圖像相似；否則，判定兩張圖像不相似，保留兩張管道圖像中幀數(shù)小的管道圖像，去重完成。2.根據(jù)權(quán)利要求1所述的管道圖像去重方法，其特征在于，步驟S1的具體實現(xiàn)過程包括：1)接收待識別的管道檢測圖像視頻流，抽幀得到管道圖像，計算兩張管道圖像的寬高比；2)對于寬高比不滿足M：N的圖像，用邊緣填充的方式填充短邊，以滿足M：N的寬高比要求；其中，M和N均為常數(shù)；3)采用線性插值/池化的方式將兩張圖像擴大/縮放至一標準尺寸，得到標準尺寸的兩張圖像。3.根據(jù)權(quán)利要求1所述的管道圖像去重方法，其特征在于，步驟S5中...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉承照，劉昊，馬晨哲，蔣盟珂，許強紅，李順，
申請(專利權(quán))人：中國電建集團中南勘測設(shè)計研究院有限公司，
類型：發(fā)明
國別省市：