[發(fā)明專(zhuān)利]一種遙感圖像細(xì)弱目標(biāo)分割方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910842331.2
• 申請(qǐng)日: 2019-09-06
• 公開(kāi)（公告）號(hào): CN110689544A
• 公開(kāi)（公告）日: 2020-01-14
• 發(fā)明（設(shè)計(jì)）人: 于淼;葉秀芬;劉文智;郭書(shū)祥;馬興龍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類(lèi)號(hào): G06T7/11
• 分類(lèi)號(hào): G06T7/11;G06N3/08;G06N3/04;G06N20/20;G06K9/62
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種遙感圖像細(xì)弱目標(biāo)分割方法,其特征是：

步驟一：對(duì)輸入的原始圖像進(jìn)行圖像增強(qiáng)和數(shù)據(jù)擴(kuò)充，對(duì)背景樣本進(jìn)行樣本平衡過(guò)采樣，并最終統(tǒng)一將圖片調(diào)整為512*512大小；

步驟二：對(duì)圖像進(jìn)行相關(guān)的預(yù)處理和數(shù)據(jù)擴(kuò)充后得到的數(shù)據(jù)集，采取70％作為訓(xùn)練集，20％作為驗(yàn)證集，10％作為最終的測(cè)試集，為下一步網(wǎng)絡(luò)訓(xùn)練做準(zhǔn)備；

步驟三：預(yù)處理之后的圖像經(jīng)過(guò)Dense-Unet網(wǎng)絡(luò)左側(cè)的一系列稠密卷積塊進(jìn)行下采樣，提取圖像中的特征信息；

步驟四：在Dense-Unet網(wǎng)絡(luò)右側(cè)的的一系列稠密卷積塊進(jìn)行上采樣，提取圖像中的特征信息；

步驟五：采取代價(jià)敏感的方法，設(shè)置權(quán)重敏感向量來(lái)增大模型在訓(xùn)練過(guò)程中對(duì)小類(lèi)別的注意力，對(duì)所有的分類(lèi)均加上一個(gè)權(quán)重值，每一類(lèi)的權(quán)重大小與該類(lèi)別占樣本中的比例負(fù)相關(guān)；

步驟六：使用集成學(xué)習(xí)的方法，通過(guò)訓(xùn)練多個(gè)獨(dú)立的基本網(wǎng)絡(luò)模型進(jìn)行組合，集成多個(gè)基本模型共同對(duì)遙感圖像中目標(biāo)類(lèi)別信息進(jìn)行預(yù)測(cè)；

步驟七：在驗(yàn)證集上對(duì)訓(xùn)練模型評(píng)估分割效果，并對(duì)網(wǎng)絡(luò)模型進(jìn)行調(diào)整；

步驟八：如果分割精度不達(dá)標(biāo)，則重復(fù)進(jìn)行步驟三到步驟七繼續(xù)優(yōu)化網(wǎng)絡(luò)參數(shù)；如果精度達(dá)標(biāo)，則訓(xùn)練結(jié)束，得到合適的網(wǎng)絡(luò)模型。

2.根據(jù)權(quán)利要求1所述的遙感圖像細(xì)弱目標(biāo)分割方法，其特征是：在下采樣提取圖像中的特征信息過(guò)程中，使用批歸一化層和瓶頸層來(lái)進(jìn)行網(wǎng)絡(luò)優(yōu)化，之后，在一些稠密卷積塊之后添加隨機(jī)失活處理。

3.根據(jù)權(quán)利要求2所述的遙感圖像細(xì)弱目標(biāo)分割方法，其特征是：在上采樣提取圖像中的特征信息過(guò)程中，使用批歸一化層和瓶頸層來(lái)進(jìn)行網(wǎng)絡(luò)優(yōu)化，并在上下采樣層之間增加跳躍連接，最終將網(wǎng)絡(luò)輸出的圖像尺寸通過(guò)上采樣，以使其尺寸和輸入尺寸相同，再進(jìn)行損失誤差的參數(shù)更新。

4.根據(jù)權(quán)利要求1、2或3所述的遙感圖像細(xì)弱目標(biāo)分割方法，其特征是：步驟五中用代價(jià)敏感向量權(quán)重調(diào)整目標(biāo)函數(shù)，其中n為整體樣本的數(shù)量，y為人工標(biāo)記的真實(shí)值，a代表網(wǎng)絡(luò)的預(yù)測(cè)值，ω是與類(lèi)別的分布負(fù)相關(guān)的權(quán)重系數(shù)：

5.根據(jù)權(quán)利要求1、2或3所述的遙感圖像細(xì)弱目標(biāo)分割方法，其特征是：所述的對(duì)輸入的原始圖像進(jìn)行圖像增強(qiáng)和數(shù)據(jù)擴(kuò)充具體包括采用隨機(jī)剪裁、尺寸縮放、角度變換、仿射變換、隨機(jī)噪聲添加、濾波處理、亮度改變的數(shù)據(jù)預(yù)處理方法。

6.根據(jù)權(quán)利要求4所述的遙感圖像細(xì)弱目標(biāo)分割方法，其特征是：所述的對(duì)輸入的原始圖像進(jìn)行圖像增強(qiáng)和數(shù)據(jù)擴(kuò)充具體包括采用隨機(jī)剪裁、尺寸縮放、角度變換、仿射變換、隨機(jī)噪聲添加、濾波處理、亮度改變的數(shù)據(jù)預(yù)處理方法。