The invention discloses a cloud image segmentation network based on symmetrical densely connected full convolution network and its method. Firstly, the deep and shallow features of cloud images are specially fused by symmetrical densely connected full convolution network layer, and then the full convolution layer of symmetrical densely connected full convolution network divides cloud images into clouds and non-clouds by using the fused feature information. Region. Compared with the traditional satellite cloud image segmentation method, the proposed method has higher accuracy, stronger robustness, no complex feature engineering for cloud images, and much faster sample testing time under the same hardware conditions than most methods.
【技术实现步骤摘要】
一种基于对称式密集连接全卷积网络的云图分割网络及其方法
本专利技术属于云图像处理
,特别涉及了一种基于对称式密集连接全卷积网络的云图分割网络及其方法。
技术介绍
云作为一种重要的气象要素,在过去的几十年中已经得到了广泛的研究,目前对于云特征特性分析在各种行业都有重要的应用,例如即时降雨预测、云层覆盖预测、海洋颜色信息获取、光学遥感应用、卫星通信连接优化。分割是云图分析的第一步骤,由于云在天空中受气流的影响并没有固定的形状,并且随着时间的推移和光照的变化,云图的形状特征会发生改变,因此基于形状先验的经典图像分割方法不适合应用在云图分割领域,能够准确的分割云图仍然是一项具有挑战性的任务。目前云图分割的主要方法有:通过比较RGB颜色空间中的R通道与B通道的比值,然后通过调整比值的阈值,来生成云和非云区域的二值掩码。通过自适应阈值法、图像特征的超像素方法实现云图的分割。机器学习算法在云图领域的自动分割应用。在上述云图分割方法中,传统的基于阈值法和机器学习方法的云图分割方法对算法的参数的选取较为敏感,缺乏一定鲁棒性,而且当图像的前景与背景较为复杂时需要研究人员做大量的特征工程才能取得比较好的结果。另外云图分割方法主要为基于深度学习全卷积网络(FCN)。但是FCN是对网络最后一个卷积层的特征图仅采用一步上采样操作就使它恢复与原输入图像相同的尺寸,这种操作会导致分割的结果不够精细。
技术实现思路
本专利技术的目的是克服上述
技术介绍
的不足,提供一种基于对称式密集连接全卷积网络的云图分割方法,克服了传统算法对云图特征利用率不够,分割粗糙的缺点。为了实现上述技术目的,本专利 ...
【技术保护点】
1.一种基于对称式密集连接全卷积网络云图分割网络,其特征在于:包括对称设置的特征提取网络和全卷积网络;所述特征提取网络,用于进行特征提取,提取的特征向量作为全卷积网络的输入;该特征提取网络包括若干实现特征提取的密集连接模块,所述密集连接模块将大小相一致的特征图进行连接,并通过卷积神经网络对地基云图进行特征提取;所述全卷积网络,包括若干上采样模块,所述上采样模块根据特征提取网络提取到的特征向量,得到卷积输出结果;根据卷积输出结果和式(1),输出概率图;
【技术特征摘要】
1.一种基于对称式密集连接全卷积网络云图分割网络,其特征在于:包括对称设置的特征提取网络和全卷积网络;所述特征提取网络,用于进行特征提取,提取的特征向量作为全卷积网络的输入;该特征提取网络包括若干实现特征提取的密集连接模块,所述密集连接模块将大小相一致的特征图进行连接,并通过卷积神经网络对地基云图进行特征提取;所述全卷积网络,包括若干上采样模块,所述上采样模块根据特征提取网络提取到的特征向量,得到卷积输出结果;根据卷积输出结果和式(1),输出概率图;其中,fij代表概率图中i行j列像素对应的概率,w为卷积核参数,T表示转置,b代表偏置项。2.根据权利要求1所述的一种基于对称式密集连接全卷积网络云图分割网络,其特征在于:所述密集连接模块的数量与上采样模块数量保持一致。3.根据权利要求2所述的一种基于对称式密集连接全卷积网络云图分割网络,其特征在于:每一所述密集连接模块的输入为前一个密集连接模块输出的下采样结果,当前密集连接模块的输出作为下一级密集连接模块的输入;在最后一个密集连接模块的输出作为第一个上采样模块的输入,每个所述上采样模块的输入为前一上采样模块的输出结果;每一所述密集连接模块都有与其对应的上采样模块,若上采样模块的输出结果与一密集连接模块的输出结果具有相同的宽和高,则该上采样模块为该密集连接模块相对应的上采样模块,将每一所述的密集连接模块的输出的结果与其对应的上采样模块的输出结果进行并联,并将该并联结果作为下一上采样模块的输入;在最后一个上采样模块之后,采用维度为1的全卷积层,该全卷积层的输入是最后一个上采样模块的输出。4.一种基于对称式密集连接全卷积网络云图分割方法,其特征在于:包括以下步骤:S1:对云图分割网络进行训练:利用已标注的样本(Xi,Yi)进行训练,得到训练后的网络参数,其中,Xi为一个N×N的图像,Yi表示Xi对应的云与非云区域,i代表第i个样本,i=1,2,3...p,p为...
【专利技术属性】
技术研发人员:夏旻,沈慧想,施必成,
申请(专利权)人:南京信息工程大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。