[发明专利]一种图像预测优化处理方法及装置

权利要求书

1.一种图像预测优化处理方法，其特征在于，包括如下步骤：

导入预先制作的多个深度学习语义标签，所述深度学习语义标签为根据实测数据得到的标签；

导入多个无人机影像，并分别对多个所述无人机影像进行预处理；

将多个所述深度学习语义标签匹配至预处理的各个无人机影像上，得到多个训练样本，通过多个训练样本得到训练样本集合；

将所述训练样本集合中的各个训练样本进行扩充处理，得到扩充后的训练样本集合；

基于卷积神经网络，在所述卷积神经网络中进行参数配置优化，得到优化后的卷积神经网络；

通过扩充后的训练样本集合对优化后的卷积神经网络进行深度学习分类训练，得到训练后的卷积神经网络；

对训练后的卷积神经网络进行影像预测分类，得到多种分类结果；

对多种分类结果进行融合处理，得到融合的分类结果；

对融合的分类结果进行扩展裁剪处理，得到整幅遥感影像。

2.根据权利要求1所述的图像预测优化处理方法，其特征在于，所述卷积神经网络包括多个深度学习模型，所述多个深度学习模型为SegNet模型、PSPNet模型、RAUNet模型和DeepLabV3plus模型；

通过扩充后的训练样本集合对优化后的卷积神经网络进行深度学习分类训练，得到训练后的卷积神经网络，具体为：

通过扩充后的训练样本集合按照设置的迭代次数分别对SegNet模型、PSPNet模型、RAUNet模型和DeepLabV3plus模型进行多分类训练和单分类训练，得到训练后的卷积神经网络。

3.根据权利要求2所述的图像预测优化处理方法，其特征在于，所述对多种分类结果进行融合处理，得到融合的分类结果的过程包括：

根据软投票法预测各个深度学习模型输出分类结果对应的概率，从计算得到的各个概率中选择最大概率对应的分类结果；

根据硬投票法预测各个深度学习模型输出类别最多对应的分类结果；

根据最优结果融合法对最大概率对应的分类结果和类别最多对应的分类结果进行融合，得到融合的分类结果。

4.根据权利要求3所述的图像预测优化处理方法，其特征在于，所述根据软投票法预测各个深度学习模型输出分类结果对应的概率，从计算得到的各个概率中选择最大概率对应的分类结果，具体为：

通过式(1)预测各个深度学习模型输出分类结果对应的概率，所述式(1)为：

其中，P_n1为预测单分类的模型M_n输出分类结果n的概率，Pi2为另外三个单分类的模型M_i输出分类结果n的概率，为另外三个单分类的模型M_i中每个像素的概率进行平均值计算；

通过式(2)从计算得到的各个概率中选择最大概率对应的分类结果，所述式(2)为：

P＝Max{P₁,P₂,P₃……P_n}，

其中，P为最大概率对应的分类结果。

5.根据权利要求3所述的图像预测优化处理方法，其特征在于，所述根据硬投票法预测各个深度学习模型输出类别最多对应的分类结果，具体为：

通过式(3)预测各个深度学习模型输出类别最多对应的分类结果，所述式(3)为：

Y＝Majority{Y₁,Y₂,Y₃……Y_m}，

其中，Y_m为第m种算法预测的分类结果。

6.根据权利要求3所述的图像预测优化处理方法，其特征在于，所述根据最优结果融合法对最大概率对应的分类结果和类别最多对应的分类结果进行融合，得到融合的分类结果，具体为：

通过式(4)对最大概率对应的分类结果和类别最多对应的分类结果进行融合，所述式(4)为：

其中，X_n为第n种分类结果，为多种分类结果进行叠加。