欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021100619242
申请人: 长安大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于模拟困难样本的Mask‑RCNN滑坡分割方法,其特征在于,包括以下步骤:步骤1,获取研究区域的包含滑坡的遥感影像,对该遥感影像进行预处理,得到训练样本集;并构建Mask‑RCNN模型;

步骤2,采用训练样本集对Mask‑RCNN模型进行初步训练,更新Mask‑RCNN模型中的权重,得到初步训练后的Mask‑RCNN模型;

步骤3,选取训练样本集中的若干标记样本进行模拟困难样本,得到对应的困难样本,采用困难样本对初步训练后的Mask‑RCNN模型进行训练,得到Mask‑RCNN滑坡分割模型;

所述模拟困难样本具体为:对于标记标签的图像样本,寻找若干个与该滑坡对应的易混淆地物的特征图像,并将其作为滑坡检测背景,将该标记标签的图像样本与若干个易混淆地物的特征图像进行拼接,合成困难样本;

所述与该滑坡对应的易混淆地物具体为:

(1)根据滑坡图像样本的颜色特征:其对应的易混淆地物为与滑坡颜色相近的地物,具体为旱地或裸地;

(2)根据滑坡图像样本的形态特征:其对应的易混淆地物为形状呈漏斗状或舌状的地物;

(3)根据滑坡图像样本的光谱特性:当滑坡区域土壤类型为盐碱地时,其对应的易混淆地物为亮度高的人工建筑物;

步骤4,获取目标区域的遥感影像作为待测样本,对待测样本进行预处理,得到预处理后的待测样本,采用Mask‑RCNN滑坡分割模型对预处理后的待测样本进行滑坡分割,得到目标区域的滑坡区域,完成滑坡的分割识别;

所述采用Mask‑RCNN滑坡分割模型对预处理后的待测样本进行滑坡分割,具体过程为:首先,由ResNet提取输入图像样本的特征,ResNet的网络结构包含5个不同的卷积模块,最后三个卷积模块形成残差块;输入图像样本经过ResNet的5个不同卷积模块的提取特征,得到5个不同尺寸的特征图,并将其输入FPN;

其次,FPN首先对上层特征图进行上采样,采样到与下一层相同的大小,并与下一层进行相加,得到一个融合好的新特征图像;

再次,RPN在融合好的新特征图像上设置滑动窗口,寻找滑坡目标区域,在滑坡目标区域输入ROIAlign;ROIAlign通过双线性插值方法,获得滑坡目标区域坐标框的四个点精确坐标;

最后,将ROIAlign输出的特征图分别进行分类、回归和Mask生成,得到与滑坡对应的mask;

当所述训练样本集中的样本数量较少,即样本数不能使Mask‑RCNN模型训练至损失函数收敛,还包括步骤:对训练样本集中的每个图像样本进行傅里叶变换,得到对应频域图像,训练样本集中的RGB图像样本和对应频域图像形成四通道训练样本;采用四通道训练样本对所述Mask‑RCNN模型进行训练,得到四通道Mask‑RCNN滑坡分割模型;

将所述四通道Mask‑RCNN滑坡分割模型应用于步骤3中采用困难样本进行进一步训练,训练完成后再转入步骤4;

将所述四通道Mask‑RCNN滑坡分割模型应用于直接应用于步骤4中对目标区域的遥感影像进行滑坡分割识别。

2.根据权利要求1所述的基于模拟困难样本的Mask‑RCNN滑坡分割方法,其特征在于,所述对该遥感影像进行预处理,具体为:对遥感影像依次进行辐射矫正、几何矫正、正射矫正、影像融合、影像裁剪和去云去阴影操作;其中,所述影像融合为将同一地区的不同影像进行几何配准,即同名点配准再融合的过程;所述影像剪裁为将一张影像的研究对象对应的区域进行剪裁,形成小范围的区域影像。

3.根据权利要求1所述的基于模拟困难样本的Mask‑RCNN滑坡分割方法,其特征在于,所述训练样本集的获取过程为:首先,设预处理后的影像大小为M×N,对预处理后的影像进行边缘填充,使填充后的影像的大小为滑动窗口大小的整数倍;

其次,采用滑动窗口将填充后的影像划分为若干个区域,每个区域对应一个图像样本;

最后,对每个图像样本中的目标及滑坡进行标记,所有图像样本形成训练样本集。

4.根据权利要求1所述的基于模拟困难样本的Mask‑RCNN滑坡分割方法,其特征在于,所述Mask‑RCNN模型包含特征提取网络ResNet、特征金字塔FPN、区域提取网络RPN和感兴趣区域匹配网络ROIAlign。