论文部分内容阅读
鉴于隧道掌子面图像的多样性和复杂性,提出一种基于深度卷积神经网络(Convolutional Neural Network,CNN)的图像质量评价方法,以筛选出满足工程需求的掌子面图像。基于多条隧道创建掌子面图像数据集,采用Keras深度学习框架,应用多种主流的CNN进行对比试验,并结合传统的图像评价指标,分别从清晰度、分类和相似度3个方面对掌子面图像质量进行评价。其中基于DenseNet169的多分类模型可达到88.7%的准确率。研究结果表明:跟传统的图像处理技术相比,深度学习方法在隧道掌子面图像