[發(fā)明專利]一種基于樹形結構的遙感圖像分割網絡

有效

• 申請?zhí)枺?/td>: 201910280400.5
• 申請日: 2019-04-09
• 公開（公告）號: CN110009637B
• 公開（公告）日: 2021-04-16
• 發(fā)明（設計）人: 岳凱;李瑞瑞
• 申請（專利權）人: 北京化工大學
• 主分類號: G06T7/10
• 分類號: G06T7/10
• 代理公司: 北京君泊知識產權代理有限公司 11496
• 代理人: 王程遠;胡玉章

1.一種基于樹形結構的遙感圖像分割網絡，其特征在于，所述遙感圖像分割網絡為DeepLab V3+結構化的樹形網絡模型，所述樹形網絡模型包括依次連接的分割模塊和樹形處理模塊；其中所述分割模塊為DeepLab V3+網絡模型，且所述DeepLab V3+網絡模型包括編碼器部分和解碼器部分；

所述樹形處理模塊的構建方法包括以下步驟：

步驟1，利用先驗的分割結果，統(tǒng)計分割圖中的不同類別的像素數(shù)量，構建混淆矩陣A，混淆矩陣A中a_ij表示實際為第j類但是預測為第i類的像素數(shù)量；

步驟2，將混淆矩陣A中相應行列的元素a_ij與a_ji相加，得到相對應的下三角矩陣B，b_ij表示的是第i類和第j類數(shù)據(jù)的混淆度；

步驟3，建立混淆無向完全圖：將下三角矩陣B看作一個無向圖的關聯(lián)矩陣，在無向圖中，每個節(jié)點表示一個類別，節(jié)點與節(jié)點之間邊的權值表示兩個節(jié)點的混淆程度，將下三角矩陣B中b_ij的值作為混淆無向完全圖節(jié)點i與節(jié)點j之間的邊的權值；

步驟4，對所述混淆無向完全圖進行迭代的割邊操作：每次遍歷圖中所有未被割去的邊，選中其中權值最小的一條將其割去，并檢查無向圖是否被分割為兩個子圖；若原圖沒有被分成兩個子圖，則在剩余未選擇的邊中繼續(xù)選擇權值最小的一條將其割去并重復操作該步驟4；若原圖被分為了兩個子圖，則對每一個子圖重復操作該步驟4；

步驟5，得到樹形處理模塊：對于步驟4中每一次分為兩個子圖時，將兩個子圖的點集分別作為樹形結構原先根節(jié)點的兩個子節(jié)點，當所有的節(jié)點都被分離出來，樹形處理模塊構建完成。

2.根據(jù)權利要求1所述的基于樹形結構的遙感圖像分割網絡，其特征在于，所述DeepLab V3+網絡模型中的編碼器部分的Middle Flow塊包含兩個Xception單元。

3.根據(jù)權利要求1所述的基于樹形結構的遙感圖像分割網絡，其特征在于，所述樹形處理模塊為一個具有6個葉子節(jié)點的二叉樹狀模型，且每一個節(jié)點均為一個ResNeXt單元。

4.根據(jù)權利要求3所述的基于樹形結構的遙感圖像分割網絡，其特征在于，所述樹形處理模塊的構建方法中步驟1中混淆矩陣A為6*6的矩陣；步驟3中所述混淆無向完全圖中共有6個頂點。

5.根據(jù)權利要求1所述的基于樹形結構的遙感圖像分割網絡，其特征在于，所述遙感圖像分割網絡為全卷積網絡，不存在全連接層；在樹形處理模塊之后，所有特征圖被送入一個1*1的卷積層，并通過SoftMax函數(shù)進行輸出。