(19)国家知识产权局
(12)发明 专利
(10)授权公告 号
(45)授权公告日
(21)申请 号 202211154802.9
(22)申请日 2022.09.22
(65)同一申请的已公布的文献号
申请公布号 CN 115272681 A
(43)申请公布日 2022.11.01
(73)专利权人 中国海洋大学
地址 266000 山东省青岛市崂山区松岭路
238号
(72)发明人 魏志强 郑程予 王京禹 聂婕
刘安安 宋丹 李文辉 孙正雅
张文生
(74)专利代理 机构 青岛华慧泽专利代理事务所
(普通合伙) 37247
专利代理师 赵梅
(51)Int.Cl.
G06V 10/26(2022.01)
G06V 10/30(2022.01)
G06V 10/40(2022.01)
G06V 10/762(2022.01)G06V 10/82(2022.01)
G06V 20/10(2022.01)
(56)对比文件
CN 115035295 A,202 2.09.09
CN 114565767 A,202 2.05.31
CN 115049936 A,2022.09.13
CN 115082927 A,202 2.09.20
CN 114359526 A,202 2.04.15
CN 113989460 A,2022.01.28
CN 114419323 A,202 2.04.29
CN 113505792 A,2021.10.15
CN 114511737 A,202 2.05.17
CN 113989851 A,202 2.01.28
CN 114373106 A,2022.04.19
CN 113159051 A,2021.07.23
CN 114022724 A,202 2.02.08
CN 113221977 A,2021.08.0 6
CN 114782688 A,2022.07.22 (续)
审查员 李晓
(54)发明名称
基于高阶特征类解耦的海洋遥感图像语义
分割方法及系统
(57)摘要
本发明属于图像处理技术领域, 公开了基于
高阶特征类解耦的海洋遥感图像语义分割方法
及系统, 所述方法首先将海洋遥感图像通过深度
卷积网络提取低阶特征, 然后计算亲和矩阵并增
强亲和矩阵, 得到高阶特征; 在高阶特征的基础
上进行像素聚类, 将像素划分为不同的语义簇;
然后在聚类的基础上生成语义解耦掩码、 语义增
强掩码和细 节补充掩码三种不同类型的掩码, 并
对三种掩码进行语义间解耦与语义内增强, 生成
三种特征通过级联操作, 生成最终的特征, 通过
解码获得语义增强的遥感图像语义分割预测图;
通过本发明解决海洋遥感图像噪声干扰问题和
海洋遥感图像空间布局失衡、 类别尺度失衡、 语义分布失衡问题。
[转续页]
权利要求书3页 说明书8页 附图1页
CN 115272681 B
2022.12.20
CN 115272681 B
(56)对比文件
US 2019042826 A1,2019.02.07
US 20181896 01 A1,2018.07.0 5
AU 202010 3901 A4,2021.02.1 1
US 2022207866 A1,202 2.06.30
WO 2022084618 A1,202 2.04.28
AU 202010 3905 A4,2021.02.1 1
US 2022230321 A1,202 2.07.21
蔡烁等.基于深度卷积网络的高分遥感图像
语义分割. 《信号处 理》 .2019,(第12期),
张哲晗等.基 于编码-解码卷积神经网络的
遥感图像 语义分割. 《光学 学报》 .2020,(第0 3期),
Hao Hu 等.Semantic segmentati on based
on semantic edge optimizati on. 《2021
Internati onal Conference o n Electro nic
Informati on Engineering and Computer
Science (EIE CS)》 .2021,
Lijun Ren 等.Researc h on the
Application of Semantic Segmentati on of
driverles s vehicles i n Park Scene. 《2020
13th Internati onal Symposium o n
Computati onal Intelligence and Design
(ISCID)》 .2020,2/2 页
2[接上页]
CN 115272681 B1.基于高阶特 征类解耦的海洋遥感图像 语义分割方法, 其特 征在于, 包括以下步骤:
S1、 获取待处 理海洋遥感图像, 并通过深度卷积网络提取 特征, 获得低阶特 征X;
S2、 计算步骤S1提取的低阶特征X间的亲和矩阵并对亲和矩阵的行和列归一化操作, 增
强亲和矩阵, 得到高阶特 征
;
步骤S2中, 首先计算亲和矩阵S, 将每个像素的特征级表示转化为相似度表示, 公式如
下:
其中, T表示矩阵的转置,
表示叉乘操作; 然后, 采用以下公式增强亲和矩阵S:
其中,
是亲和矩阵第 i行第j列的相似度,
为训练参数,
表示亲和矩阵行或列的
大小,
和
表示分别对矩阵行和列进行归一 化操作,
为最终得到的高阶特 征;
S3、 采用k ‑means聚类算法对步骤S2的高阶特征
的行向量
进行像素聚类, 将像素
划分为不同的语义簇, 得到聚类后的亲和矩阵;
S4、 在步骤S3聚类的基础上, 生成三种不同类型的掩码, 分别是语义解耦掩码
、 语义
增强掩码
和细节补充掩码
, 具体方法如下:
S401、 利用每 个聚类簇的质心生成语义 解耦掩码
来实现语义的解耦;
S402、 采用二进制掩码对高阶特征中的同类特征进行过滤, 生成每一种类别的相 关性
矩阵, 得到语义增强掩码
;
S403、 在聚类过程中, 将离聚类 中心较远的点视为边界特征, 并通过边界定位方式记住
边界特征具体位置, 生成细节补充掩码
;
步骤S4中, 对于语义解耦掩码
, 聚类的质心可以完全反映某个类别特征表示, 因此,
对质心
变形为
作为语义 解耦掩码
;
对于语义增强掩码, 设计二进制掩码
对高阶特征
进行过滤作为语义增强掩码
, 表示为:
其中,
为与高阶特征
同样大小的二进制掩码, 其对属于类 k的高阶特征的行向
量
值取为1, 其 他取为0,
为点乘操作;权 利 要 求 书 1/3 页
2
CN 115272681 B
3
专利 基于高阶特征类解耦的海洋遥感图像语义分割方法及系统
文档预览
中文文档
14 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共14页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 04:15:44上传分享