[发明专利]基于语义分割的砂石图像分割方法、装置、设备及介质在审
申请号: | 202210383550.0 | 申请日: | 2022-04-12 |
公开(公告)号: | CN115035291A | 公开(公告)日: | 2022-09-09 |
发明(设计)人: | 李涵;李世杰;左治江;曾凡琮;潘利波 | 申请(专利权)人: | 江汉大学 |
主分类号: | G06V10/26 | 分类号: | G06V10/26;G06V10/82;G06V10/774;G06V10/776;G06V10/764;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京众达德权知识产权代理有限公司 11570 | 代理人: | 张晓冬 |
地址: | 430056 湖北省武*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 语义 分割 砂石 图像 方法 装置 设备 介质 | ||
本申请实施例公开了一种基于语义分割的砂石图像分割方法、装置、设备及介质。方法包括:获取多个砂石图像;对砂石图像进行预处理,得到处理后的砂石图像,预处理包括图像增强处理以及滤波去噪处理;将处理后的砂石图像切分成训练集以及测试集;对训练集中的砂石图像中的砂子图像和石头图像分别进行标注,得到标注后的训练集;根据标注后的训练集对预设的语义分割模型进行模型参数的训练,得到训练后的语义分割模型;根据测试集对训练后的语义分割模型进行模拟测试,得到训练效果;若训练效果中的分割正确率大于预设值,则根据训练后的语义分割模型对待分割砂石图像进行砂石分割处理。本方案中可以提高砂石图像分割的精确度。
技术领域
本申请涉及数据处理技术领域,尤其涉及一种基于语义分割的砂石图像分割方法、装置、设备及介质。
背景技术
针对砂石混合图像灰度值变化不连续,纹理特征复杂,灰度对比不明显,无论是基于颜色特征(Hue Saturation Value,HSV)的阈值分割,到基于局部二值模式(LocalBinary Pattern,LBP)特征的分割,到基于灰度共生矩阵(Gray-level co-occurrencematrix)的特征分割,都无法将相似度极高的混凝土砂石难以精确的进行像素级分割。
为了提高砂石图像分割的精确度,现亟需一种方法,对混凝土砂石图像进行精确的分割。
发明内容
本申请实施例提供了一种基于语义分割的砂石图像分割方法、装置、设备及介质,可以对混凝土砂石图像进行像素级分割,提高砂石图像分割的精确度。
第一方面,本申请实施例提供了一种基于语义分割的砂石图像分割方法,其包括:获取多个砂石图像;
对所述砂石图像进行预处理,得到多个处理后的砂石图像,所述预处理包括图像增强处理以及滤波去噪处理;
将多个所述处理后的砂石图像切分成训练集以及测试集;
对所述训练集中的砂石图像中的砂子图像和石头图像分别进行标注,得到标注后的训练集;
根据所述标注后的训练集对预设的语义分割模型进行模型参数的训练,得到训练后的语义分割模型;
根据所述测试集对所述训练后的语义分割模型进行模拟测试,得到训练效果;
若所述训练效果中的分割正确率大于预设值,则根据所述训练后的语义分割模型对待分割砂石图像进行砂石分割处理。
在一些实施例中,所述预设的语义分割模型包括特征提取模块和语义映射模块,所述特征提取模块包括多个特征提取单元,每个特征提取单元均由第一卷积层、池化层以及正则化层组成,所述语义映射模块由上采样层、第二卷积层以及SoftMax分类层组成。
在一些实施例中,所述根据所述标注后的训练集对预设的语义分割模型进行模型参数的训练,得到训练后的语义分割模型,包括:
将所述标注后的训练集中的砂石样本图像输入所述预设的语义分割模型;
通过所述第一卷积层、所述池化层以及所述正则化层依次对所述砂石样本图像进行线性滤波处理、最大池化处理以及批量正则化处理,得到所述砂石样本图像的语义信息;
通过所述上采样层、所述第二卷积层以及所述SoftMax分类层依次对所述语义信息进行上采样处理、反卷积处理以及归一化概率计算处理,得到所述砂石样本图像的预测结果;
根据所述预测结果以及所述砂石样本图像对应的标注确定交叉熵损失值;
根据所述交叉熵损失值对所述预设的语义分割模型进行反向传播,得到训练后的语义分割模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江汉大学,未经江汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210383550.0/2.html,转载请声明来源钻瓜专利网。