买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利一种桥梁水下结构浑浊病害图像处理方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117830269B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410012858.3，技术领域涉及：G06T7/00；该发明授权一种桥梁水下结构浑浊病害图像处理方法及系统是由孙伟豪;侯士通;吴刚;吴智深;张建设计研发完成，并于2024-01-04向国家知识产权局提交的专利申请。

本一种桥梁水下结构浑浊病害图像处理方法及系统在说明书摘要公布了：本发明公开了一种桥梁水下结构浑浊病害图像处理方法及系统，涉及桥梁水下检测技术领域。本发明包括：获取桥墩的水下缺陷图像，并对获取的每张图像进行编号，构成桥梁水下结构浑浊图像数据集；将浑浊图像数据集进一步进行划分为训练集和测试集，训练集包括TrainA和TrainB，测试集包括TestA和TestB；构建桥梁结构水下图像自适应去浑浊模型CycleGAN‑deturbidity；将训练集输入所述去浑浊模型CycleGAN‑deturbidity中进行训练，得到模型的权重。本发明通过在原始CycleGAN模型中引入了TEM与PTFEM等增强了水下图像的纹理提取能力，在损失函数中加入了感知损失，进一步提升了模型对图像的感知能力，该方法可以实现不同浊度下桥梁水下结构图像的有效去浑浊以及桥墩图像的有效恢复。

本发明授权一种桥梁水下结构浑浊病害图像处理方法及系统在权利要求书中公布了：1.一种桥梁水下结构浑浊病害图像处理方法，其特征在于，包括以下步骤： 获取桥墩的水下缺陷图像，并对获取的每张图像进行编号，构成桥梁水下结构浑浊图像数据集； 将浑浊图像数据集进一步进行划分为训练集和测试集，划分比例为4:1，训练集包括TrainA和TrainB，测试集包括TestA和TestB； 构建桥梁结构水下图像自适应去浑浊模型CycleGAN-deturbidity； 将训练集输入所述去浑浊模型CycleGAN-deturbidity中进行训练，得到模型的权重； 将训练得到的权重在TestA上进行测试，获得去浑浊后的桥梁水下结构图像； 桥梁结构水下图像自适应去浑浊模型包括生成器、判别器以及损失函数，具体以CycleGAN模型为基线模型，采用ResNet作为生成器的基本架构，采用PatchGAN作为判别器的基本架构； 损失函数为LSGAN损失、循环一致性损失以及感知损失作为CycleGAN-deturbidity的总体损失函数： 其中感知损失权重系数γ为0.1，GA、GB代表生成器A和B，DA、DB代表判别器A和B，即LSGAN损失，为循环一致性损失函数，为感知损失； 在CycleGAN的生成器网络中引入纹理增强模块TEM和金字塔特征提取模块PTFEM，纹理增强模块TEM采用1-dQCO，而金字塔特征提取模块PTFEM采用2-dQCO； TEM通过1-dQCO将特征图转换为量化编码图E和统计特征D，其中D起到了直方图的作用，利用D得到新的量化等级L，每一个新的级别都是通过感知初始等级的统计信息获得，因此可以将其视为一个图，其中每个量化等级可以看作是图中的一个节点，然后利用量化编码图E将重建的量化等级L’分配给每个像素，得到输出R； PTFEM将特征图输入到2-dQCO中得到C×N×N的共现统计特征F，其中C表示通道数，N表示量化等级数； 此外，PTFEM采用金字塔结构，分别从[1,2,4,8]四个不同尺度对输入的特征图进行传递，在每个分支中，特征图被分割成不同数量的子区域，每个子区域通过MLP层和level-wiseaverage来产生该区域的纹理特征，随后，得到的每个特征图进行上采样并按通道拼接输出； 生成器结构分为基础网络和纹理特征提取分支； 基础网络包括6个ResNetBlock，用于提取图像的基本特征，纹理特征提取分支将来自骨干网络ResNet的第1层和第2层特征下采样到与基础网络输出相同大小后进行串联拼接，生成浅层特征，然后这些特征输入TEM模块以增强纹理细节，并经过PTFEM模块提取多尺度的统计纹理信息； 最后，将基础网络、TEM和PTFEM的输出特征级联在一起，经过上采样和一个卷积层后得到最终的去浊结果图。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。