[发明专利]一种基于融合网络的山体图像山脊线分割方法有效
| 申请号： | 202211532682.1 | 申请日： | 2022-12-02 |
| 公开（公告）号： | CN115641442B | 公开（公告）日： | 2023-04-18 |
| 发明（设计）人： | 李冠群;俞伟学 | 申请（专利权）人： | 耕宇牧星（北京）空间科技有限公司 |
| 主分类号： | G06V10/26 | 分类号： | G06V10/26;G06V10/40;G06V10/80;G06V20/10;G06V10/82;G06N3/0464;G06N3/08 |
| 代理公司： | 北京华创智道知识产权代理事务所(普通合伙) 11888 | 代理人： | 朱泽义 |
| 地址： | 100080 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 融合 网络 山体 图像 山脊 分割 方法 | ||
1.一种基于融合网络的山体图像山脊线分割方法，其特征在于，包括：
获取山体合成孔径雷达图像；
根据第一特征提取分支得到浅层特征；
将所述山体合成孔径雷达图像输入至所述第一特征提取分支，逐步提取不同层次的浅层特征，其公式为，
；
；
；
其中，表示山体合成孔径雷达图像；
表示提取到的第一浅层特征；
表示提取到的第二浅层特征；
表示提取到的第三浅层特征；
表示常规3×3的卷积；
表示修正线性单元；
表示最大池化处理的连贯操作；
根据第二特征提取分支得到深层特征；
将所述山体合成孔径雷达图像输入至所述第二特征提取分支，直接提取所述山体合成孔径雷达图像的深层特征，其公式为，
；
其中，表示山体合成孔径雷达图像；
表示深层特征；
表示常规3×3的卷积；
表示修正线性单元；
表示最大池化处理的连贯操作；
根据特征融合分支融合所述浅层特征和深层特征得到融合特征，具体包括步骤A1-A2；
A1:根据所述浅层特征和所述深层特征得到融合权重，其公式为，
；
其中，表示融合权重；
表示特征之间的对应元素相加；
表示全局平均池化；
表示Sigmoid函数；
表示第一浅层特征、第二浅层特征和第三浅层特征的集合；
表示常规3×3的卷积；
表示修正线性单元；
A2:根据所述融合权重对所述浅层特征和所述深层特征进行融合，其公式为，
；
其中，表示特征之间的对应元素相乘；
表示特征之间的对应元素相加；
表示深层特征；表示第一浅层特征、第二浅层特征和第三浅层特征的集合；
表示融合特征；
表示特征融合分支；
将所述融合特征输入至山脊线分割网络，得到分割结果；
使用二值交叉熵损失函数和Dice损失函数对所述山脊线分割网络进行训练，其中公式为，
；
其中，表示二元交叉熵计算操作；
表示Dice系数计算；
表示整体损失函数；
表示通过山脊线分割网络的输出；
表示二值化山脊线标签图像。
2.根据权利要求1所述的一种基于融合网络的山体图像山脊线分割方法，其特征在于，所述根据特征融合分支融合所述浅层特征和深层特征得到融合特征的方法进一步包括用步骤B1-B4替换步骤A1-A2：
B1：使用转置卷积对所述深层特征进行处理得到第一浅深融合特征，其公式为，
；
其中，表示第一浅深融合特征；
表示特征融合分支；
表示转置卷积；
表示提取到的第三浅层特征；
B2:融合所述第三浅层特征和所述第一浅深融合特征得到第二浅深融合特征，其公式为，
；
其中，表示第二浅深融合特征；
表示特征融合分支；
表示转置卷积；
表示提取到的第三浅层特征；
B3:融合所述第三浅层特征和所述第二浅深融合特征得到第三浅深融合特征，其公式为，
；其中，表示第三浅深融合特征；
表示特征融合分支；
表示转置卷积；
表示提取到的第三浅层特征；
B4:对所述第三浅深融合特征进行处理得到所述融合特征，其公式为，
；
其中，表示融合特征；
表示第三浅深融合特征；
表示转置卷积；
表示Sigmoid函数。
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耕宇牧星（北京）空间科技有限公司，未经耕宇牧星（北京）空间科技有限公司许可，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/202211532682.1/1.html，转载请声明来源钻瓜专利网。
