一种用于仓库顶棚检查的图像增强方法及装置与流程

技术特征：
1.一种用于仓库顶棚检查的图像增强方法，其特征是：包括以下步骤：s100、获取采集到的仓库顶棚图像，获取已经训练好的图像重建网络；所述图像重建网络中设有多个顺次连接的特征提制模块，所述特征提制模块用于提制所述仓库顶棚图像的特征信息；s200、将所述仓库顶棚图像输入所述图像重建网络，然后图像信息依次经过各个所述特征提制模块，各个所述特征提制模块依次进行特征提制操作后，输出相应的层级特征图；s300、获取步骤s200中各个特征提制模块输出的层级特征图，将各个层级特征图融合后，得到综合特征图；s400、获取步骤s200中各个特征提制模块输出的层级特征图，分别对各个层级特征图进行上采样，以增大层级特征图宽度和高度方向的尺寸，生成得到多个高阶特征图；s500、利用所述综合特征图生成多个通道调制图，所述通道调制图与步骤s400中生成的高阶特征图一一对应；s600、分别利用各个所述通道调制图对相应的高阶特征图进行调制；s700、将步骤s600中调制后的各个高阶特征图融合，生成重制图像，所述重制图像的分辨率大于所述仓库顶棚图像的分辨率。2.根据权利要求1所述的用于仓库顶棚检查的图像增强方法，其特征是：步骤s400中，对所述层级特征图上采样包括以下步骤：a1、对获得的所述层级特征图进行亚像素卷积操作，生成一制特征图；a2、对所述一制特征图进行卷积操作，生成二制特征图；a3、所述二制特征图经过旁路激活函数激活，然后生成所述高阶特征图。3.根据权利要求1所述的用于仓库顶棚检查的图像增强方法，其特征是：步骤s300中，将各个层级特征图融合包括以下步骤：b1、将获得的各个所述层级特征图拼接起来，得到全级特征图；b2、对所述全级特征图进行卷积操作，然后将卷积后生成的特征图输入融合激活函数，生成得到所述综合特征图。4.根据权利要求1所述的用于仓库顶棚检查的图像增强方法，其特征是：步骤s500中，利用所述综合特征图生成多个通道调制图的过程包括以下步骤：c1、对所述综合特征图在空间方向进行全局最大池化操作，生成得到初步向量；c2、所述初步向量顺次经过第一全连接层、初步激活函数和第二全连接层，生成得到前驱向量；c3、将所述前驱向量分别输入多个综合激活函数，然后生成多个通道调制图；所述综合激活函数和所述通道调制图的数量均与所述特征提制模块的数量相等。5.根据权利要求1所述的用于仓库顶棚检查的图像增强方法，其特征是：步骤s700中，融合各个所述高阶特征图的方法包括以下步骤：d1、将各个所述高阶特征图拼接起来，得到全阶特征图；d2、对所述全阶特征图进行末端卷积操作，生成得到所述重制图像。6.根据权利要求5所述的用于仓库顶棚检查的图像增强方法，其特征是：所述图像重建网络中设有空间注意力模块，所述空间注意力模块以各个所述高阶特征图作为输入，生成空间调制图，所述空间调制图对所述全阶特征图进行调制后，再进行末端卷积操作，生成重
制图像。7.根据权利要求6所述的用于仓库顶棚检查的图像增强方法，其特征是：所述空间注意力模块的数学模型为：其中，hf1、hf2和hfn分别表示各个所述高阶特征图，wc表示对特征图在空间方向做全局最大池化操作，∣
•
∣表示将其中的特征图拼接起来，hv表示拼接后得到的特征图，f
h
表示卷积运算，δ
h
表示sigmoid激活函数，hm表示所述空间注意力模块生成的空间调制图。8.根据权利要求1所述的用于仓库顶棚检查的图像增强方法，其特征是：所述特征提制模块提制仓库顶棚图像特征信息的过程表示为如下数学模型：其中，t
m
代表输入特征提制模块的特征图，cs1、cs2、cs3、cs4和cs5均表示普通卷积操作，re1、re2、re3、re4、re5和re6均表示relu激活函数，∣
•
∣表示对其中的特征图做拼接操作，
×
表示元素对应乘积运算，ut1、ut2、ut3、ut4、ut5和ut6分别表示函数re1、re2、re3、re4、re5和re6激活后生成的特征图，t
m 1
代表特征提制模块最后输出的特征图。9.根据权利要求8所述的用于仓库顶棚检查的图像增强方法，其特征是：卷积操作cs1和cs3的卷积核尺寸均为3*3，卷积操作cs2和cs4的卷积核尺寸均为3*3，卷积操作cs5的卷积核尺寸为1*1。10.一种用于仓库顶棚检查的图像增强装置，包括处理器和存储器，所述存储器储存有计算机程序，其特征是：所述处理器通过加载所述计算机程序，用于执行如权利要求1至9任一项所述的用于仓库顶棚检查的图像增强方法。

技术总结
本发明公开了一种用于仓库顶棚检查的图像增强方法及装置，属于图像增强技术领域。图像增强方法包括将仓库顶棚图像输入图像重建网络，然后图像信息依次经过各个特征提制模块，获取各个特征提制模块输出的层级特征图，将各个层级特征图融合；分别对各个层级特征图进行上采样，利用综合特征图生成多个通道调制图，分别利用各个通道调制图对相应的高阶特征图进行调制，将调制后的各个高阶特征图融合，生成重制图像等步骤。针对仓库顶棚图像的特点，本发明先直接对各个特征提制模块输出的层级特征图进行上采样，然后再将上采样得到的高阶特征图进行融合，避免了特征融合模块影响上采样操作的输入信息，提高了模型的鲁棒性。提高了模型的鲁棒性。提高了模型的鲁棒性。


技术研发人员：邓小钏 周璇 王瑜 潘泳贤
受保护的技术使用者：运易通科技有限公司
技术研发日：2022.12.01
技术公布日：2022/12/30