[發(fā)明專利]一種基于信息追溯的高分辨率遙感圖像分割系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110238205.3
• 申請(qǐng)日: 2021-03-04
• 公開（公告）號(hào): CN112991352A
• 公開（公告）日: 2021-06-18
• 發(fā)明（設(shè)計(jì)）人: 孫濤;閆浩文;張黎明
• 申請(qǐng)（專利權(quán)）人: 揚(yáng)州微地圖地理信息科技有限公司
• 主分類號(hào): G06T7/10
• 分類號(hào): G06T7/10;G06N3/04;G06N3/06;G06N3/08;G06T5/00
• 代理公司: 蘇州國(guó)卓知識(shí)產(chǎn)權(quán)代理有限公司 32331
• 代理人: 周鑫

1.一種基于信息追溯的高分辨率遙感圖像分割系統(tǒng)，其特征在于，包括：

圖像采集模塊：采集高分辨率遙感圖像，圖像邊緣銳化；

學(xué)習(xí)訓(xùn)練模塊：采集樣本圖像并制作標(biāo)簽；建立受限波爾茲曼機(jī)深度學(xué)習(xí)模型；用若干個(gè)樣本圖像及標(biāo)簽輸入受限波爾茲曼機(jī)深度學(xué)習(xí)模型，不斷訓(xùn)練受限波爾茲曼機(jī)深度學(xué)習(xí)模型的權(quán)重參數(shù)；

優(yōu)化模塊：對(duì)受限波爾茲曼機(jī)深度學(xué)習(xí)模型進(jìn)行優(yōu)化，用訓(xùn)練模型處理實(shí)際采集的現(xiàn)場(chǎng)圖像；

信息追溯模塊：自動(dòng)獲取圖像的語義分割結(jié)果，并進(jìn)行信息追溯保存。

2.根據(jù)權(quán)利要求1所述的一種基于信息追溯的高分辨率遙感圖像分割系統(tǒng)，其特征在于，圖像采集模塊中，采用以視覺角度定義的HSI顏色模型，并采用通過RGB分量求均值的方式計(jì)算的HSI模型的亮度圖像I進(jìn)行處理，從高分辨率遙感圖像邊緣區(qū)域的分布特征出發(fā)，通過對(duì)每個(gè)像素點(diǎn)的循環(huán)迭代，采用最小鄰域迭代法以及改進(jìn)的行程分析法逐像素計(jì)算非連通域間的距離，并將非連通域間的最小距離表征高分辨率遙感圖像邊緣距離，統(tǒng)計(jì)所有高分辨率遙感圖像邊緣距離，計(jì)算邊緣距離分布。

3.根據(jù)權(quán)利要求1所述的一種基于信息追溯的高分辨率遙感圖像分割系統(tǒng)，其特征在于，所述學(xué)習(xí)訓(xùn)練模塊中，受限波爾茲曼機(jī)深度學(xué)習(xí)模型為：

1)粗分割模塊：給定待分割灰度圖像，建立CV模型對(duì)應(yīng)的能量函數(shù)，將其最小化，得到粗分割結(jié)果；

2)訓(xùn)練CRBM模型：把一批已歸一化至32×32大小的ground truth圖作為訓(xùn)練集，送入到CRBM模型中訓(xùn)練；

3)生成形狀模塊：將歸一化至32×32大小，并將其作為模型的輸入，經(jīng)過采樣得到重建結(jié)果，將擴(kuò)大至待分割圖像大小。由下式計(jì)算生成形狀距離函數(shù)；

4)邊緣提取模塊：用Canny算子提取原圖像的邊緣信息，并進(jìn)行距離變換，由式(10)計(jì)算邊緣距離函數(shù)；

5)定義形狀約束項(xiàng)：將3)中得到的與4)中得到的做點(diǎn)乘運(yùn)算得到融合邊緣信息和深度學(xué)習(xí)的目標(biāo)形狀，并將其表示成符號(hào)距離函數(shù)，由下式得到形狀約束項(xiàng)；

E^BS＝∫_Ω|H(φ)-H(ψ^BS)|²dxdy

6)CLG-CV圖像分割模塊：結(jié)合形狀約束項(xiàng)和能量項(xiàng)，由式(13)得到新的能量函數(shù)E，求解對(duì)應(yīng)歐拉-拉格朗日方程，使能量函數(shù)達(dá)到最小值，得到最終的分割結(jié)果：

4.根據(jù)權(quán)利要求1所述的一種基于信息追溯的高分辨率遙感圖像分割系統(tǒng)，其特征在于，優(yōu)化模塊中，對(duì)分割后的網(wǎng)絡(luò)進(jìn)行優(yōu)化，在原始的U-net和DenseNet的網(wǎng)絡(luò)結(jié)構(gòu)中，在卷積層之后均選擇ReLU作為網(wǎng)絡(luò)的非線性激活函數(shù)。但ReLU函數(shù)在實(shí)際的訓(xùn)練過程中有時(shí)會(huì)發(fā)生梯度失活現(xiàn)象，當(dāng)一個(gè)比較大的梯度流過一個(gè)ReLU神經(jīng)元后，可能這個(gè)神經(jīng)元的梯度將會(huì)永遠(yuǎn)變?yōu)榱恪．?dāng)學(xué)習(xí)率很大的時(shí)候，使用ReLU激活函數(shù)會(huì)使得網(wǎng)絡(luò)中很多神經(jīng)元徹底失活。為了解決ReLU函數(shù)在訓(xùn)練過程中的不足，在本文所使用的的網(wǎng)絡(luò)模型中，使用SeLU激活函數(shù)代替ReLU：SeLU相比于ReLU函數(shù)，引入2個(gè)參數(shù)和λ，和λ是大于1的固定常數(shù)；

5.根據(jù)權(quán)利要求1所述的一種基于信息追溯的高分辨率遙感圖像分割系統(tǒng)，其特征在于，信息追溯模塊中，通過信息溯保存遙感圖像，包括數(shù)據(jù)采集層：由圖像采集節(jié)點(diǎn)，網(wǎng)關(guān)實(shí)時(shí)采集上傳遙感圖像數(shù)據(jù)；數(shù)據(jù)存儲(chǔ)層：由遙感圖像數(shù)據(jù)庫(kù)，各級(jí)路由組成的數(shù)據(jù)傳輸存儲(chǔ)層面，將采集的數(shù)據(jù)實(shí)時(shí)上傳、存儲(chǔ)，并且向上位機(jī)提供所需數(shù)據(jù)進(jìn)行處理；人機(jī)交互層：由基于C/S架構(gòu)的客戶端本地軟件和基于B/S架構(gòu)的遙感圖像溯源網(wǎng)站組成人機(jī)交互層面，方便用戶準(zhǔn)確查詢遙感圖像信息。