[发明专利]一种基于UNet网络的复杂背景下输电线识别方法

权利要求书

1.一种基于UNet网络的复杂背景下输电线识别方法，用于图像中输电线的识别提取，其特征在于，包括以下步骤：

步骤1：获取不同视角含有输电线图像；

步骤2：对含有输电线图像进行预处理，即采用数据增强方式扩充含有输电线图像，建立含有输电线图像数据集，给每张含有输电线图像中的输电线记标签，获得输电线像素为1，背景像素为0的标签图；

步骤3：构建UNet网络；

步骤4：把含有输电线图像数据集中的图像及对应的标签图输入UNet网络进行训练，获得最优的权重参数及对应的最优输电线识别模型；

步骤5：将最优输电线识别模型应用于需要识别的输电线图像，识别提取出输电线。

2.根据权利要求1所述的一种基于UNet网络的复杂背景下输电线识别方法，其特征在于：所述的步骤1中，在不同复杂背景下，航拍获取不同视角的含有输电线图像。

3.根据权利要求1所述的一种基于UNet网络的复杂背景下输电线识别方法，其特征在于：所述的步骤2中，数据增强方式采用随机翻转、裁剪、旋转扩充含有输电线图像，用标注软件将含有输电线图像中的输电线记标签，将含有输电线图像及对应的标签图按照8∶1∶1的比例随机分配生成训练集、验证集和测试集。

4.根据权利要求1所述的一种基于UNet网络的复杂背景下输电线识别方法，其特征在于：所述的步骤3中，UNet网络包括下采样编码、上采样解码和跳跃链接，下采样编码对输入图像进行多次卷积、归一化和最大池化操作，获得不同尺度的有效特征层，上采样解码对不同尺度的有效特征层进行两倍上采样恢复输入图像像素尺寸，跳跃链接中每一次下采样生成的有效特征层都会与对应的上采样进行特征融合，输出的特征层和输入图像的高宽相同。

5.根据权利要求4所述的下采样编码，其特征在于：采用VGG16卷积神经网络提取输入图像多尺度特征信息，采用Dice系数作为UNet网络的评价指标，Dice系数取值范围为[0，1]，计算公式如下：

其中，X是输入图像经过UNet网络预测的结果，Y是标签图的真实结果。

6.根据权利要求1所述的一种基于UNet网络的复杂背景下输电线识别方法，其特征在于：所述的步骤4中，把含有输电线图像及对应的标签图输入UNet网络进行训练，UNet网络总训练世代为m，其中前50％个世代为冻结VGG16卷积神经网络情况下训练的代数，后50％个世代为解冻之后训练的代数，UNet网络采用的预训练权重为网络在PASCAL VOC挑战赛标准数据集上训练的权重；初始学习率设置为k，每训练j个世代，学习率调整为上个世代的l倍，每批样本大小设置为n，损失函数值采用交叉熵损失函数和Dice Loss的和，每个世代训练完都代入验证集计算验证集的损失函数值，保存损失函数值最低的权值文件为训练获得的最优的权重参数及对应的最优输电线识别模型。

7.根据权利要求1所述的一种基于UNet网络的复杂背景下输电线识别方法，其特征在于：所述的步骤5中，将需要识别的含有输电线图像输入最优输电线识别模型，识别提取出输电线。