橋梁作為世界交通運輸?shù)臉屑~,是世界各地商貿(mào)往來的基礎保障。受周圍惡劣環(huán)境的影響以及橋梁材料使用年限的限制,為了保障交通運輸安全和人民生命健康,定期對橋梁進行病害檢測十分的重要。橋梁裂縫是最常見的橋梁病害之一,對橋梁裂縫的檢測更是必不可少。橋梁裂縫具有形態(tài)多樣化、易受噪聲干擾、背景復雜等特性。深度學習方法因具有識別準確、抗噪能力強的優(yōu)點,被廣泛的運用到不同領域。因此使用深度學習方法對橋梁裂縫圖像進行目標檢測或語義分割成為了橋梁病害檢測領域的熱點方法。生成式對抗網(wǎng)絡為深度學習方法中一個重要分支,其可利用隨機噪聲生成與真實圖像分布相近的圖像,本文通過對現(xiàn)有的生成式對抗網(wǎng)絡模型進行研究,提出一種新的基于生成式對抗網(wǎng)絡的橋梁裂縫分割方法。本文的研究內(nèi)容如下:(1)針對實拍裂縫圖像中包含許多影響識別模型對裂縫位置信息進行準確檢測和分割的障礙物問題,提出了一種基于生成式對抗網(wǎng)絡的裂縫圖像修復方法。該方法提出距離加權掩膜,提升模型修復的準確度;在判別器結構中引入VGG輔助判別器,輔助生成式對抗網(wǎng)絡中原判別器對輸入圖像進行更精準的判斷,降低生成式對抗網(wǎng)絡的訓練難度,改善生成式對抗網(wǎng)絡的生成性能;加入全局...

【文章頁數(shù)】：89 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 圖像修復技術研究現(xiàn)狀
        1.2.2 橋梁裂縫檢測技術研究現(xiàn)狀
        1.2.3 細小橋梁裂縫分割研究現(xiàn)狀
    1.3 本文主要的研究工作
    1.4 本文課題來源
    1.5 本文的組織框架
第2章 深度學習相關理論
    2.1 引言
    2.2 深度學習
        2.2.1 深度學習發(fā)展敘述
        2.2.2 卷積神經(jīng)網(wǎng)絡結構
    2.3 生成式對抗網(wǎng)絡
        2.3.1 生成式對抗網(wǎng)絡的概述
        2.3.3 生成式對抗網(wǎng)絡圖像修復
        2.3.4 生成式對抗網(wǎng)絡超分辨率圖像重建
    2.4 語義分割網(wǎng)絡
    2.5 本章小結
第3章 基于生成式對抗網(wǎng)絡的橋梁裂縫圖像修復方法
    3.1 引言
    3.2 生成式對抗網(wǎng)絡裂縫圖像修復原理
    3.3 生成式對抗網(wǎng)絡的裂縫修復模型
        3.3.1 距離加權掩膜
        3.3.2 VGG修復損失
        3.3.3 全局感知損失
        3.3.4 生成式對抗網(wǎng)絡的裂縫修復模型結構
    3.4 實驗與結果分析
        3.4.1 數(shù)據(jù)集與裂縫修復生成式對抗網(wǎng)絡的訓練
        3.4.2 可視化比較
    3.5 本章小結
第4章 基于生成式對抗網(wǎng)絡的細小橋梁裂縫分割算法
    4.1 引言
    4.2 細小橋梁裂縫語義分割生成式對抗網(wǎng)絡
        4.2.1 差異判別分支
        4.2.2 分割分支
        4.2.3 像素損失
        4.2.4 SE-GAN結構
    4.3 實驗與結果分析
        4.3.1 數(shù)據(jù)集
        4.3.2 實驗結果分析
    4.4 本章小結
第5章 基于深度學習的橋梁裂縫損傷程度評價方法
    5.1 引言
    5.2 基于生成式對抗網(wǎng)絡的橋梁裂縫圖像生成
        5.2.1 橋梁裂縫圖像數(shù)據(jù)增強
        5.2.2 橋梁裂縫生成模型
    5.3 橋梁裂縫損傷程度評價方法
        5.3.1 橋梁裂縫損傷程度評價流程
        5.3.2 橋梁裂縫圖像分類模型
        5.3.3 橋梁裂縫損傷程度評價
    5.4 實驗結果與分析
    5.5 本章小結
第6章 總結與展望
參考文獻
致謝
攻讀碩士期間研究成果



本文編號：3960866