一种木结构裂缝图像合成方法、装置、设备及存储介质

本发明涉及图像合成，特别是涉及一种木结构裂缝图像合成方法、装置、设备及存储介质。

背景技术：

1、木结构裂缝的识别和检测对于木结构古建筑的保护和维护工作，具有深远的文化遗产保护意义。识别裂缝的模型在训练和测试时，需要大规模的裂缝图像数据集，而这些数据通常需通过对古建筑实际裂缝的直接拍摄来获取。这种传统的采集方式面临多种限制和挑战，如建筑地处偏僻，采集位置难接近，环境因素对图像质量的影响等问题。缓慢、昂贵且容易产生偏差。在多样性和数量上存在限制，严重影响了基于深度学习的裂缝识别模型的训练效果和泛化能力。

2、使用图像合成方法可以在无需直接接触实际裂缝的情况下，生成大量高质量和多样化的裂缝图像。这种方法不仅避免了传统采集方式的局限性，还大大提高了数据采集的效率和经济性。同时还可以将过程中产生的裂缝库应用于道路桥梁、墙面和其他多种建筑结构领域。这种多领域的应用为裂缝检测研究和实践带来了新的视角和深度，有助于更全面地识别和评估结构上的潜在风险，为建筑保护和修复提供了坚实的技术支撑。

3、传统图像融合技术可能无法在裂缝与背景间实现自然和真实的过渡，尤其是在边缘处理上，常常导致合成图像的不自然和可信度下降。

技术实现思路

1、本发明提供了一种木结构裂缝图像合成方法、装置、设备及存储介质，解决了传统图像融合技术可能无法在裂缝与背景间实现自然和真实的过渡，尤其是在边缘处理上，常常导致合成图像的不自然和可信度下降的问题。

2、本发明提供一种木结构裂缝图像合成方法，包括以下步骤：

3、获取多张包含裂缝的木结构图像；

4、对多张木结构图像中的裂缝进行识别，得到多个裂缝区域并生成对应的分割掩膜；

5、通过多个分割掩膜对多个裂缝区域进行提取，得到多张裂缝图像；

6、通过拉普拉斯金字塔方法对多张裂缝图像和背景图像进行融合，得到合成图像数据集；所述融合过程包括：

7、创建两个高斯金字塔，分别降低裂缝图像和背景图像的分辨率；

8、创建两个拉普拉斯金字塔，将分辨率降低后的裂缝图像和背景图像分解为多层级结构；

9、在每个层级上，对应的裂缝图像和背景图像的拉普拉斯金字塔被融合，利用像素级权重掩膜并结合对应的图像信息，调整每个像素点在融合过程中的贡献度；

10、对每层级融合后的图像进行上采样并与下一层级的图像合并，得到合成图像；

11、重复上述融合过程，得到多张合成图像，并构建合成图像数据集。

12、优选的，所述背景图像为不同材料、光照条件和结构的木结构表面图像，包括木结构表面的自然纹理、污迹或划痕。

13、优选的，通过改进的mask r-cnn模型对多张木结构图像中的裂缝进行识别，所述改进的mask r-cnn模型在原有mask r-cnn模型的基础上，对其骨干网络、区域提议网络rpn、分类头和掩膜头中均引入注意力机制。

14、优选的，通过改进的mask r-cnn模型对多张木结构图像中的裂缝进行识别时，利用欧式距离和数学形态学中的高帽变换，对裂缝信息进一步提取。

15、优选的，通过多个分割掩膜对多个裂缝区域的裂缝进行提取，得到多张裂缝图像，包括以下步骤：

16、分割掩膜是一个与木结构图像大小相同的二值图像，其中裂缝区域用像素值1表示，非裂缝区域用像素值0表示；

17、将分割掩膜与木结构图像进行按位操作，对于每一个像素位置，当分割掩膜的像素值为1时，木结构图像的对应像素保留，否则该像素被设为0或变为背景，得到输出图像；

18、保留分割掩膜中的裂缝区域，裂缝区域在输出图像中保持原样，其他区域则变为背景或被完全移除，得到多张裂缝图像。

19、优选的，通过拉普拉斯金字塔方法对多张裂缝图像和背景图像进行融合之前，需对裂缝图像进行图像变换预处理，对背景图像进行优化预处理；

20、在得到合成图像后，还需对合成图像进行亮度、对比度调整和锐化后处理，使用局部自适应增强算法对后处理合成图像进行优化。

21、优选的，通过裂缝合成数据集对裂缝检测模型进行训练，通过训练后的裂缝检测模型对图像裂缝进行识别。

22、一种木结构裂缝图像合成装置，包括：

23、图像获取模块，用于获取多张包含裂缝的木结构图像；

24、图像识别模块，用于对多张木结构图像中的裂缝进行识别，得到多个裂缝区域并生成对应的分割掩膜；

25、裂缝提取模块，用于通过多个分割掩膜对多个裂缝区域的裂缝进行提取，得到多张裂缝图像；

26、图像合成模块，用于通过拉普拉斯金字塔方法对多张裂缝图像和背景图像进行融合，得到裂缝合成图像数据集；

27、所述图像合成模块包括：

28、降低模块，用于创建两个高斯金字塔，分别降低裂缝图像和背景图像的分辨率；

29、分解模块，用于创建两个拉普拉斯金字塔，将分辨率降低后的裂缝图像和背景图像分解为多层级结构；

30、融合模块，用于在每个层级上，融合对应的裂缝图像和背景图像的拉普拉斯金字塔，利用像素级权重掩膜并结合对应的图像信息，调整每个像素点在融合过程中的贡献度；

31、合并模块，用于对每层级融合后的图像进行上采样并与下一层级的图像合并，得到合成图像；

32、重复模块，用于重复上述融合过程，得到多张合成图像，并构建裂缝合成图像数据集。

33、一种计算机设备，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，所述处理器执行所述程序时实现上述木结构裂缝图像合成方法。

34、一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述木结构裂缝图像合成方法。

35、与现有技术相比，本发明的有益效果是：

36、本发明首先获取了木结构图像与背景图像，对木结构图像进行裂缝提取。在复杂的背景中准确识别和提取裂缝形态。使用拉普拉斯金字塔融合技术将裂缝与背景图像进行融合，对裂缝图像与背景图像进行降分辨率和分解操作，然后利用像素级权重掩膜并结合对应的图像信息，调整每个像素点在融合过程中的贡献度，确保融合边缘的自然过渡。实现裂缝和背景之间平滑的过渡处理，使得合成图像变得自然，可信度大大提高。

技术特征：

1.一种木结构裂缝图像合成方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种木结构裂缝图像合成方法，其特征在于，所述背景图像为不同材料、光照条件和结构的木结构表面图像，包括木结构表面的自然纹理、污迹或划痕。

3.如权利要求1所述的一种木结构裂缝图像合成方法，其特征在于，通过改进的maskr-cnn模型对多张木结构图像中的裂缝进行识别，所述改进的mask r-cnn模型在原有maskr-cnn模型的基础上，对其骨干网络、区域提议网络rpn、分类头和掩膜头中均引入注意力机制。

4.如权利要求3所述的一种木结构裂缝图像合成方法，其特征在于，通过改进的maskr-cnn模型对多张木结构图像中的裂缝进行识别时，利用欧式距离和数学形态学中的高帽变换，对裂缝信息进一步提取。

5.如权利要求1所述的一种木结构裂缝图像合成方法，其特征在于，通过多个分割掩膜对多个裂缝区域的裂缝进行提取，得到多张裂缝图像，包括以下步骤：

6.如权利要求1所述的一种木结构裂缝图像合成方法，其特征在于，通过拉普拉斯金字塔方法对多张裂缝图像和背景图像进行融合之前，需对裂缝图像进行图像变换预处理，对背景图像进行优化预处理；

7.如权利要求1所述的一种木结构裂缝图像合成方法，其特征在于，通过裂缝合成数据集对裂缝检测模型进行训练，通过训练后的裂缝检测模型对图像裂缝进行识别。

8.一种木结构裂缝图像合成装置，其特征在于，包括：

9.一种计算机设备，其特征在于，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，所述处理器执行所述程序时实现上述权利要求1-7任一所述的木结构裂缝图像合成方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-7任一项所述的木结构裂缝图像合成方法。

技术总结
本发明公开了一种木结构裂缝图像合成方法、装置、设备及存储介质，涉及图像合成技术领域，包括以下步骤：获取多张包含裂缝的木结构图像；对多张木结构图像中的裂缝进行提取，得到多个裂缝区域并生成分割掩膜；通过分割掩膜对多个裂缝区域进行提取，得到多张裂缝图像；通过拉普拉斯金字塔方法对多张裂缝图像和背景图像进行融合，得到合成图像数据集。本发明采用改进的mask R‑CNN对木结构图像进行裂缝提取，使用拉普拉斯金字塔融合技术将裂缝与背景图像进行融合，保持裂缝的关键视觉特征的同时，实现裂缝和背景之间平滑的过渡处理，提高裂缝识别模型的训练效率和准确性。

技术研发人员：马健,孟媛,刘国奇,牛思琦,余健,郭雪艳
受保护的技术使用者：沈阳建筑大学
技术研发日：
技术公布日：2024/4/24