申请/专利权人：北京工业大学

申请日：2020-07-28

公开（公告）日：2024-06-21

公开（公告）号：CN112084842B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/26;G06V10/764;G06V10/762;G06V10/82;G06N3/0464;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2021.01.01#实质审查的生效;2020.12.15#公开

摘要：本发明公开了一种基于深度语义模型的目标识别方法，实现对于水文遥感图像中的水体区域进行自动标注识别。基于水文遥感图像光谱特性，发明一种引入深度语义模型的水文遥感图像语义特征提取方法，以及引入K‑means聚类的语义空间距离度量方法，最后基于所提出的自适应分割网络结构，实现水文遥感图像的水体区域分割识别。该方法通过对于水文遥感图像进行基于人工神经网络的深度语义模型的语义特征提取，并基于语义空间度量方法选择语义空间距离最近的最优自适应分割网络模型，最终实现对于水文遥感图像中水体区域的自动识别标注。

主权项：1.一种基于深度语义模型的目标识别方法，其特征在于包括以下步骤：a）水文遥感图像读入与归一化预处理：Step1：定义水文遥感图像集合C，设C中的任意水文遥感图像矩阵I的维度为m*n*p，其中m为图像长，n为图像宽，p为图像的通道数；随后，沿p维度方向定义每个m*n的子矩阵为光谱特征矩阵F_i，其中i为自然数，F_1、F_2…；Step2：对于光谱特征矩阵F_i，首先得到F_i矩阵中的最大元素值F_max和最小元素值F_min；Step3：随后对于每个F_i中的矩阵元素a进行归一化尺度变换,先计算a’=a-F_min，随后计算a’’=F_max-F_min，最后a’’’=a’a’’；由此得到归一化光谱特征矩阵F_i’，其中i与F_i中的i相对应，表示同一光谱特征矩阵的归一化前后的结果；最终由I经过上述归一化方法，得到归一化遥感图像矩阵I’；遍历Step1-Step3，将C转化为归一化水文遥感图像集合C’，平均划分为训练集A和测试集B两个部分；同时对于训练集A，人工标注其中的区域作为训练的真值；b）深度语义模型训练与语义特征提取：首先，定义深度语义模型结构，设输入遥感图像的光谱通道数量为p，网络依次由输入层、卷积层1、卷积层2、卷积层3、卷积层4、卷积层5、卷积层6、卷积层7、输出层组成；其中，卷积层、输出层的卷积核尺寸为3*3，卷积深度依次为：4×p、8×p、4×p、1、4×p、8×p、4×p、1；基于深度语义模型结构，首先采用训练集A进行模型训练，训练过程的损失函数选择二元交叉熵；基于已训练好的深度语义模型M，分别对训练集A和测试集B进行深度语义特征提取；以训练集A中的一副图像矩阵A_1为例，具体操作是将A_1作为模型M的输入层的输入，获取深度语义模型结构的语义特征层的输出S_1；由此，得到A的语义特征集合AS，和B的语义特征集合BS；重复该过程，对训练集A和测试集B的每幅图像进行深度语义特征提取；c）基于K-means的语义空间度量：Step1：对集合AS的各个语义特征矩阵进行空间维度变换，由长、宽分别为m、n的二维空间矩阵，开展为一维向量，长度为k，k=m×n；Step2：随后进行基于K-means的k维空间的空间聚类，得到g个类别组N_j，j为自然数；各个类别组的空间中心坐标N_center的各个坐标数值为X0,X1,…,Xk；同时，定义任意两个语义特征矩阵的欧式空间距离为语义空间距离；d）基于语义空间距离选择对应图像分割模型进行图像分割：首先，定义语义分割网络结构，设输入遥感图像的光谱通道数量为p，网络依次由输入层、自适应光谱特征提取模块、卷积层1、卷积层2、卷积层3、卷积层4、输出层组成；其中，卷积层、输出层的卷积核尺寸为3*3，卷积深度依次为：32、16、8、4、1；其中，自适应光谱特征提取模块的自适应体现在针对于不同光谱边带数Z的多光谱遥感图像，模块自适应地在光谱边带分离后，开设Z个特征提取子通道网络，分别对Z个多光谱边带进行基于“卷积—池化—卷积”的特征提取操作，随后进行不同通道光谱特征的合并；随后，基于步骤c）的空间聚类所得的g个类别组，分别训练g个语义分割网络结构；随后在对于测试集B进行逐一测试，过程如下：Step1：对于测试集B的任意一幅测试图像B_h，其中h自然数，基于b）过程得到语义特征BS_h；Step2：计算BS_h与c）过程得到的各个类别组N_j的语义空间距离D-BS_h-N_j；Step3：基于最小的语义空间距离D-BS_h-N_j，得到与测试图像语义特征最为接近的类别组N_j，以及该类别组对应的分割网络模型U_p；Step4：采用分割网络模型U_p对测试图像B_h进行图像分割，标记出图像中水体所在区域。

全文数据：

权利要求：

百度查询： 北京工业大学 一种基于深度语义模型的水文遥感图像目标识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD