(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211142639.4 (22)申请日 2022.09.20 (71)申请人 福州大学 地址 350108 福建省福州市闽侯县福州大 学城乌龙江北 大道2号福州大 学 (72)发明人 姜绍飞　苏振恒　王威　王圣贤　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 专利代理师 陈鼎桂　蔡学俊 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/26(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01) G06T 3/40(2006.01)G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 基于图像融合与深度学习的水下桥墩表观 病害检测方法 (57)摘要 本发明涉及一种基于图像融合与深度学习 的水下桥墩表观病害检测方法， 包括以下步骤： 步骤S1:获取水下墩柱表观病害原始图像； 步骤 S2:对水下墩柱表观病害原始图像， 分别基于 CLAHE算法和ACE算法进行增强处理， 得到融合图 像1和融合图像2； 步骤S3:根据融合图像1和融合 图像2， 通过点锐度权重进行加权融合， 并采用 USM算法进行锐化处理， 得到最终的融合图像； 步 骤S4:将融合后的图像输入到深度学习算法模型 中训练， 输出 带有病害种类和位置信息的图像 。 权利要求书2页 说明书4页 附图5页 CN 115424107 A 2022.12.02 CN 115424107 A 1.一种基于 图像融合与深度学习的水下桥墩表观病害检测方法， 其特征在于， 包括以 下步骤： 步骤S1:获取 水下墩柱表观病害原 始图像； 步骤S2:对水下墩柱表观病害原始图像， 分别基于CLAHE算法和ACE算法进行增强处理， 得到融合图像1和融合图像2； 步骤S3:根据融合图像1和融合图像2， 通过点锐度权重进行加权融合， 并采用USM算法 进行锐化处 理， 得到最终的融合图像 步骤S4:将融合后的图像输入到训练好的深度学习算法模型， 输出带有病害种类和位 置信息的图像。 2.根据权利要求1所述的基于图像融合与深度学习的水下桥墩表观病害检测方法， 其 特征在于， 所述基于 CLAHE算法进行增强处 理， 具体如下： (1)根据水 下墩柱表观病害原 始图像大小， 分割成若干 子区域图像； (2)建立各个子区域的直方图H(x)， 并计算 其裁剪幅值T； 其中： c为采集系数； H和W 为子区域图像高宽方向上的像素个数； M为灰度级数； (3)将直方图中 高于阈值T的部分填充到直方图的底部， 获得新的直方图H ’(x)； (4)对不同子区域图像进行双线性插值 运算， 得到融合图像1。 3.根据权利要求1所述的基于图像融合与深度学习的水下桥墩表观病害检测方法， 其 特征在于， 所述基于AC E算法进行增强处 理， 具体如下： (1)对水下墩柱表观病害原 始图像通过公式进行图像域调整， 获得中间图像Rz； 其中： Rz(k)为中间图像像素点k的亮度值； Iz(k)－Iz(q)为侧抑制机理； d(k,q)为距离 函数； r(x,y)表示每 个像素的亮度函数； (3)对获得的中间图像Rz进行动态范围调整， 代入公式计算得 出Oz， 即获得融合图像2； Oz(k)＝round[127.5+szRz(k)] 其中round()为取整函数； sz是线段的[(mz,0),(Mz,255)]的斜率， mz、 Mz计算如下： 4.根据权利要求1所述的基于图像融合与深度学习的水下桥墩表观病害检测方法， 其 特征在于， 所述 步骤S3具体为： 步骤S31:根据得到的融合图像1和融合图像2分别计算其相应的点锐度值EG和权重系数 WA、 WC； 权　利　要　求　书 1/2 页 2 CN 115424107 A 2其中， m、 n为图像大小； dG/dx表示灰度 变化率； EG为计算的点锐度值； E(G)A和E(G)C分别 为经ACE算法和CLAH E算法增强后的图像点锐度值； WA和WC为对应的图像权 重系数； 步骤S32:将得到的融合图像1和融合图像2分别分解为三个RGB单通道图像， 利用计算 的权重系数对三个RGB单通道图像进行加权像素融合； 步骤S33:将融合后的3幅RGB单通道图像重新 合并， 得到融合图像3； 步骤S34:采用USM算法， 先对融合图像3进行高斯模糊， 再将融合图像3减去权重系数乘 上高斯模糊后的图像， 最后经 过去噪滤波和卷积 操作， 得到最终融合图像。 5.根据权利要求4所述的基于图像融合与深度学习的水下桥墩表观病害检测方法， 其 特征在于， 所述 步骤S34具体 计算公式如下： 其中， f(a,b)代表输入图像； h(a,b)为高频分量； ω为锐化系数,gσ和 分别表示去噪 滤波和卷积 操作。 6.根据权利要求1所述的基于图像融合与深度学习的水下桥墩表观病害检测方法， 其 特征在于， 所述深度学习算法模型采用YOLOv3算法模型。权　利　要　求　书 2/2 页 3 CN 115424107 A 3