[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

说明书

本发明公开了一种三维形貌图像信息解译的方法、装置、设备以及计算机可读存储介质，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；将三维形貌图像的特征图输入反卷积层组进行采样，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粗糙评分图进行处理，得到细致评分图；对细致评分图进行取最大操作，获取目标预测图；将目标预测图输入至三维形貌图像信息解译器中，解译待处理图像的三维形貌图像信息。本发明所提供的方法、装置、设备以及计算机可读存储介质，利用反卷积层组采样特征图获取粗糙评分图，且利用条件随机场算法对粗糙评分图进行了平滑处理，提高了三维形貌图像信息解译器的解译精度。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种三维形貌图像信息解译的方法、装置、设备以及计算机可读存储介质。

背景技术

利用传统卷积神经网络对待检测图像进行处理时，分别将所述待检测图像输出所述传感卷积神经网络的卷积层组、池化层和全连接层中，并将全连接层的输出结果送入Softmax分类器进行分类。全连接层使得输出丢失了待检测图像的空间信息。由于现有技术中采样得到的预测图较粗糙，使检测物的边缘分割比较粗糙，从而导致传统卷积神经网络的解译精度较低。

综上所述可以看出，如何获取待处理图像保留空间信息的特征图，并对粗糙预测图进行平滑处理是目前有待解决的问题。

发明内容

本发明的目的是提供一种三维形貌图像信息解译的方法、装置、设备以及计算机可读存储介质，以解决利用传统卷积神经网络识别图像信息的检测精度较低的问题。

为解决上述技术问题，本发明提供一种三维形貌图像信息解译的方法，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。

优选地，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。

优选地，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；

为所述标签a_i和像素j的标签a_j的成对势能；

为像素一致性函数；c_k(f_i,f_j)为由所述像素i和所述像素j决定参数的高斯核；μ_k为决定权重的参数；

所述高斯核函数：