[發明專利]一種太赫茲圖像無損檢測的方法、裝置以及設備

有效

• 申請號: 201910315661.6
• 申請日: 2019-04-17
• 公開（公告）號: CN109903289B
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 吳壯輝;黃國恒;程良倫
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/0464
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

本發明公開了一種太赫茲圖像無損檢測的方法、裝置、設備及計算機可讀存儲介質，包括：將待檢測的太赫茲圖像輸入至深度卷積神經網絡，提取特征圖；利用注意力機制、太赫茲圖像的數據屬性、第一目標關系矩陣和第一目標編碼矩陣，將特征圖轉換為注意圖；利用注意力機制、所述數據屬性、第二目標關系矩陣和第二目標編碼矩陣，將注意圖轉換為目標圖像特征；將目標圖像特征轉換為規范共同特征；利用規范共同特征、目標分類權值矩陣和Softmax函數，確定太赫茲圖像的損傷分類結果，從而確定太赫茲圖像的損傷類別和損傷程度。本發明所提供的方法、裝置、設備及計算機可讀存儲介質，利用多重注意力機制，準確表示太赫茲圖像的損傷特征。

技術領域

本發明涉及圖像處理技術領域，特別是涉及一種太赫茲圖像無損檢測的方法、裝置、設備以及計算機可讀存儲介質。

背景技術

近年來，國內外學者利用太赫茲成像技術在對材料的無損探傷檢測方面進行了相關的研究，特別是在探傷成像的后期圖像增強方面進行了一定的探索研究。目前太赫茲圖像無損檢測的技術方法主要包括：基于小波變換與利普系茨指數的太赫茲圖像的無損檢測和基于小波去噪法的無損檢測的方法。基于小波變換與利普系茨指數的太赫茲圖像的無損檢測丟失了損傷屬性信息，對損傷特征表示十分模糊，最后的分類結果需要人工輔助加以實現。基于小波去噪法的無損檢測的方法，一定程度上提高了太赫茲圖像的分辨率，但也提升了損傷特征的冗余性，容易引起對損傷類別及程度的誤判。

綜上所述可以看出，如何準確表示太赫茲圖像損傷特征是目前有待解決的問題。

發明內容

本發明的目的是提供一種太赫茲圖像無損檢測的方法、裝置、設備以及計算機可讀存儲介質，以解決現有技術所提供的無損檢測方法不能準確表示太赫茲圖像損傷特征的問題。

為解決上述技術問題，本發明提供一種太赫茲圖像無損檢測的方法，包括：將待檢測的太赫茲圖像輸入至深度卷積神經網絡，提取所述太赫茲圖像的特征圖；利用注意力機制、所述太赫茲圖像的數據屬性、預先完成訓練的第一目標關系矩陣和預先完成訓練的第一目標編碼矩陣，將所述特征圖轉換為注意圖；利用所述注意力機制、所述數據屬性、預先完成訓練的第二目標關系矩陣和預先完成訓練的第二目標編碼矩陣，將所述注意圖轉換為目標圖像特征；將所述目標圖像特征轉換為規范共同特征；利用規范共同特征、預先完成訓練的目標分類權值矩陣和Softmax函數，確定所述太赫茲圖像的損傷分類結果，從而確定所述太赫茲圖像的損傷類別和損傷程度。

優選地，所述利用注意力機制、所述太赫茲圖像的數據屬性、預先完成訓練的目標第一關系矩陣和預先完成訓練的目標第一編碼矩陣，將所述特征圖轉換為注意圖包括：

根據所述數據屬性、所述第一目標關系矩陣和所述特征圖的乘積，確定所述數據屬性在所述特征圖的第一嵌入矩陣；

利用所述第一目標編碼矩陣和所述特征圖的乘積，確定所述特征圖編碼后的第一特征；

根據所述第一嵌入矩陣和所述第一特征的乘積，確定所述注意圖。

優選地，所述利用所述注意力機制、所述數據屬性、預先完成訓練的目標第二關系矩陣和預先完成訓練的目標第二編碼矩陣，將所述注意圖轉換為目標圖像特征包括：

根據所述數據屬性、所述第二目標關系矩陣和所述注意圖的乘積，確定所述數據屬性在所述注意圖的第二嵌入矩陣；

利用所述第二目標編碼矩陣和所述注意圖的乘積，確定所述注意圖編碼后的第二特征；

根據所述第二嵌入矩陣和所述第二特征的乘積，確定所述目標圖像特征。

優選地，還包括：

將已知類別標簽的太赫茲圖像訓練集中每幅初始太赫茲圖像分別輸入至所述深度卷積神經網絡中，提取所述每幅初始太赫茲圖像的初始特征圖；