[发明专利]基于mask rcnn神经网络的滑坡坡面分割识别方法

权利要求书

1.一种基于mask rcnn神经网络的滑坡坡面分割识别方法，其特征在于，所述方法包括：

获取待识别图片；其中，所述待识别图片包括遥感图像；

使用图像识别模型对待识别图片进行分析，确定是否存在滑坡区域；其中，所述图像识别模型为使用多组数据对初始模型进行训练得到的，所述多组数据包括第一类数据和第二类数据，所述第一类数据中的每组数据均包括：包括滑坡区域的图片和标识该图片包括滑坡区域的标签；第二类数据中的每组数据均包括：不包括滑坡区域的图片和标识该图片不包括滑坡区域的标签；

当所述待识别图片存在滑坡区域的情况时，在所述待识别图片上标示出所述滑坡区域。

2.根据权利要求1所述的基于mask rcnn神经网络的滑坡坡面分割识别方法，其特征在于，在使用多组数对初始模型进行训练之前，所述方法还包括：

将第一类数据中的每组数据的图片从RGB格式转换为BGR格式。

3.根据权利要求1所述的基于mask rcnn神经网络的滑坡坡面分割识别方法，其特征在于，所述初始模型为Mask R-CNN，在使用多组数对初始模型完成至少一次训练之后，所述方法还包括：

获取所述初始模型输出的对应于第一类数据中的每组数据的图片的二值掩膜；

对第一类数据中的每组数据的图片及其对应的二值掩膜进行尺寸调整，并将调整尺寸后的二值掩膜作为该组数据调整尺寸后的图片的标签，生成包括多组数据的第三类数据；

利用第三类数据对初始模型继续进行训练，以获得图像识别模型。

4.根据权利要求1所述的基于mask rcnn神经网络的滑坡坡面分割识别方法，其特征在于，所述初始模型为Mask R-CNN，在使用多组数对初始模型完成至少一次训练之后，所述方法还包括：

获取所述初始模型输出的对应于第一类数据中的每组数据的图片的二值掩膜；

对第一类数据中的每组数据的图片及其对应的二值掩膜进行图像翻转处理，并将翻转处理后的二值掩膜作为该组数据翻转处理后的图片的标签，生成包括多组数据的第四类数据；

利用第四类数据对初始模型继续进行训练，以获得图像识别模型。

5.根据权利要求1所述的基于mask rcnn神经网络的滑坡坡面分割识别方法，其特征在于，所述在所述待识别图片上标示出所述滑坡区域，具体包括：

将所述待识别图片上的滑坡区域进行高亮显示；或

在所述待识别图片上标示出所述滑坡区域的轮廓。

6.根据权利要求1所述的基于mask rcnn神经网络的滑坡坡面分割识别方法，其特征在于，所述使用图像识别模型对待识别图片进行分析，具体包括：

获取遥感视频；

提取所述遥感视频的帧图像；

逐帧将所述帧图像作为所述待识别图片输入到所述图像识别模型进行分析。

7.根据权利要求6所述的基于mask rcnn神经网络的滑坡坡面分割识别方法，其特征在于，在提取所述遥感视频的帧图像的步骤之后，并在逐帧将所述帧图像作为所述待识别图片输入到所述图像识别模型进行分析的步骤之前，还包括以下步骤：

将提取得到的遥感视频的帧图像从RGB格式转换为BGR格式。

8.一种基于mask rcnn神经网络的滑坡坡面分割识别装置，其特征在于，包括：

图片获取模块，用于获取待识别图片；其中，所述待识别图片包括遥感图像；

滑坡识别模块，用于使用图像识别模型对待识别图片进行分析，确定是否存在滑坡区域；其中，所述图像识别模型为使用多组数据对初始模型进行训练得到的，所述多组数据包括第一类数据和第二类数据，所述第一类数据中的每组数据均包括：包括滑坡区域的图片和标识该图片包括滑坡区域的标签；第二类数据中的每组数据均包括：不包括滑坡区域的图片和标识该图片不包括滑坡区域的标签；

可视化处理模块，用于当所述待识别图片存在滑坡区域的情况时，在所述待识别图片上标示出所述滑坡区域。