[發明專利]一種基于全卷積神經網絡的含鋰偉晶巖脈提取方法

在審

• 申請號: 202110153052.2
• 申請日: 2021-02-04
• 公開（公告）號: CN112784806A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 代晶晶;王登紅;王海宇;劉善寶
• 申請（專利權）人: 中國地質科學院礦產資源研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T3/40;G06N3/04;G06N3/08
• 代理公司: 北京正理專利代理有限公司 11257
• 代理人: 張雪梅

1.一種基于全卷積神經網絡的含鋰偉晶巖脈提取方法，其特征在于，包括：

獲取含鋰偉晶巖脈區域的遙感影像，并對所述遙感影像進行處理；

構建全卷積神經網絡模型，并利用經處理的遙感影像進行模型訓練以及參數調整，其中，

所述全卷積神經網絡設置損失函數，為

y′代表激活函數的輸出，y是結果標簽；

將經處理的遙感影像輸入至訓練完成的全卷積神經網絡模型中，對經處理圖像的進行含鋰偉晶巖脈標注，得到全卷積神經網絡模型的輸出結果；

對所述全卷積神經網絡模型的輸出結果進行拼接，得到含鋰偉晶巖脈在所述區域的提取結果圖像。

2.根據權利要求1所述的提取方法，其特征在于，對所述圖像進行處理包括：

對所述含鋰偉晶巖脈區域的遙感影像進行預處理及波段合成；

對預處理后的遙感影像進行標注，標注出其中的含鋰偉晶巖脈，得到標注影像；

對所述遙感影和標注影像進行切割和圖像增強，得到語義分割樣本庫，作為訓練集和測試集樣本。

3.根據權利要求2所述的提取方法，其特征在于，對所述遙感影像進行預處理包括：

對所述含鋰偉晶巖脈區域的遙感影像進行輻射定標和大氣校正后，對影像進行GS融合；

將進行GS融合后的遙感影像中對應波段的灰度圖像分別作為RGB圖像中的B通道圖像、G通道圖像和R通道圖像，從而合成為真彩色影像。

4.根據權利要求3所述的提取方法，其特征在于，進一步包括，對所述真彩色影像進行標注，并對標注后的影像進行灰度處理，將得到的柵格標簽作為訓練時用的結果標簽。

5.根據權利要求4所述的提取方法，其特征在于，

將所述真彩色影像和所述結果標簽根據分割方法進行網格切片，其中所述分割方法為：

將真彩色影像或結果標簽長邊補零到輸入圖塊邊長m的最小整數倍，對原圖寬邊也補零到輸入圖塊邊長m的最小整數倍，補零后按(m，m)的矩陣對所述真彩色影像和所述結果標簽進行取樣并保存為圖像塊的數量序列。

6.根據權利要求1所述的提取方法，其特征在于，所述全卷積神經網絡包括：卷積層、激勵層和池化層，

經處理后的圖像進行五層池化層處理，得到特征圖像，其中，

每進行一次池化層處理前，進行兩次卷積層處理，而且每進行一次卷積層處理后，進行一次激勵層處理，所述激勵層利用激活函數對圖像進行處理。

將特征圖像與第四層池化層處理后的圖像疊加后進行上采樣，得到第一次上采樣圖像，

將第三層池化層處理后的圖像與第一次上采樣圖像疊加后進行上采樣，得到第二次上采樣圖像，

將第二次上采樣圖像進行卷積，得到輸出結果。

7.根據權利要求1-6中任一項所述的提取方法，其特征在于，

所述激活函數為：

其中，x為卷積層的輸出結果。

8.根據權利要求7所述的提取方法，其特征在于，訓練全卷積神經網絡時，分批選取切割好的真彩色圖塊與標注圖像中對應位置m×m大小的灰度圖塊作為一組樣本輸入至全卷積神經網絡模型中，多組樣本逐個輸入學習，完成模型訓練任務。

9.根據權利要求8所述的提取方法，其特征在于，

訓練完成后，將所有切片后大小為m×m的真彩色圖塊輸入訓練完成后的全卷積神經網絡模型中，得出所述全卷積神經網絡模型的輸出結果。

10.根據權利要求9所述的提取方法，其特征在于，所述全卷積神經網絡模型的輸出結果為m×m大小的單通道灰度圖像，m為輸出結果的邊長；

按照進行所述網格切片時所保存的圖像塊的數量序列，對所述輸出結果圖像依次拼接，則得到完整的遙感影像的提取結果圖像。