[发明专利]三维形貌图像信息解译的方法、装置、设备及存储介质

权利要求书

1.一种三维形貌图像信息解译的方法，其特征在于，包括：

利用预设卷积神经网络的卷积层组提取待处理图像的三维形貌图像的特征图；

将所述三维形貌图像的特征图输入至所述预设卷积神经网络的反卷积层组，利用双线性插值法对所述三维形貌图像的特征图进行采样，得到与分类器的类别数量相同的粗糙评分图；

利用条件随机场算法对所述粗糙评分图进行平滑处理，得到与所述粗糙评分图数量相同的细致评分图；

对所述细致评分图进行取最大操作，获取所述待处理图像的目标预测图；

将所述目标预测图输入至三维形貌图像信息解译器中，实现对所述待处理图像的三维形貌图像信息的解译；

其中，所述利用条件随机场算法对所述粗糙评分图进行处理，得到与所述粗糙评分图数量相同的细致评分图包括：

利用条件随机场算法对所述粗糙评分图进行处理，得到与所述粗糙评分图对应的细致评分图；

其中，a表示所述粗糙评分图中像素的标签；σ(a_i)＝-lgP(a_i)表示像素i的标签a_i的一元势能；P(a_i)为所述标签a_i由DCNN算法计算得到的标签概率；

j决定参数的高斯核；μ_k为决定权重的参数，K为分类标签个数；

所述高斯核函数：

所述高斯核函数的第一个核表示像素的位置信息和灰度信息，所述高斯核函数的第二个核表示像素的位置信息；ε_α，ε_β和ε_γ为决定所述高斯核尺度的超参数，p_i为第i个像素点位置坐标，I_i为第i个像素点的灰度值，p_j为第j个像素点位置坐标，I_j为第j个像素点的灰度值，μ₁为权重训练参数1，μ₂为权重训练参数2。

2.如权利要求1所述的方法，其特征在于，所述利用预设卷积神经网络的卷积层组提取待处理图像的三维形貌图像的特征图前还包括：

减小VGG卷积神经网络中最后一组卷积层组的步长，利用Hole算法改变所述最后一组卷尺层的连接方式，采样反卷积层组代替所述VGG卷积神经网络的全连接层，构建所述预设卷积神经网络。

3.如权利要求1所述的方法，其特征在于，所述利用条件随机场算法对所述粗糙评分图进行处理前还包括：

采用可分解的平均场近似法将所述条件随机场算法进行优化。

4.如权利要求1至3任一项所述的方法，其特征在于，所述三维形貌图像信息解译器包括：所述分类器和回归器。