[发明专利]基于mask rcnn神经网络的滑坡坡面分割识别方法

说明书

本发明公开了一种基于mask rcnn神经网络的滑坡坡面分割识别方法及装置，将遥感图片输入到训练后的神经网络模型中，通过神经网络模型自动识别出遥感图片中是否存在滑坡，达到高效、快速的查找出滑坡区域的目的；并在识别存在出滑坡之后，将图像上的滑坡区域标示出来，便于操作人员及时发现滑坡所处位置。

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于mask rcnn神经网络的滑坡坡面分割识别方法及装置。

背景技术

泥石流大多产生于出现滑坡的山体，因此提前发现并治理山体的滑坡是防范泥石流的关键因素。如果通过人力逐个山区寻找滑坡，费时费力并且效率不高，可行性低。现有技术中，通过遥感摄像技术可以获取大量山体的图像，然而通过人力观测遥感图像来发现滑坡的方案中，由于人的精力有限、查找速度慢等问题，查找滑坡的效率也不高。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种基于maskrcnn神经网络的滑坡坡面分割识别方法及装置，将遥感图片输入到训练后的神经网络模型中，通过神经网络模型自动识别出遥感图片中是否存在滑坡，达到高效、快速的查找出滑坡区域的目的；并在识别存在出滑坡之后，将图像上的滑坡区域标示出来，便于操作人员及时发现滑坡所处位置。

第一方面，本发明实施例提供一种基于mask rcnn神经网络的滑坡坡面分割识别方法，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。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，所述使用图像识别模型对待识别图片进行分析，具体包括：