用于空间科学实验数据的语义分割方法及系统技术方案

本发明专利技术公开了一种用于空间科学实验数据的语义分割方法及系统，涉及图像处理领域。该方法包括：在地面模拟空间科学实验，获取地面实验数据，对地面实验数据进行语义分割标注，将标注后的地面实验数据分为训练集和验证集；根据训练集和验证集对预先调整的U‑Net语义分割网络进行训练，得到语义分割模型；获取空间科学实验数据，将空间科学实验数据输入到语义分割模型中，得到空间科学实验数据的语义分割结果。本发明专利技术解决了空间科学实验样本少、分布不均的问题，实现了对空间科学实验对象的精准分割，解决了小样本、小目标的实时准确语义分割困难的问题。

【技术实现步骤摘要】
用于空间科学实验数据的语义分割方法及系统
本专利技术涉及图像处理领域，尤其涉及一种用于空间科学实验数据的语义分割方法及系统。
技术介绍
语义分割是通过对兴趣区域进行分割，提供较丰富的语义和视觉信息，应用广泛。目前，传统的图像分割方法主要是阈值法、像素聚类法、边缘检测法、区域生成法、图像切割等方法。然而，现有的基于深度学习的语义分割方法都是基于日常场景或是医学影像数据集，且传统的图像分割方法需要控制的阈值非常多，适用环境也很局限，不能很好地适应光照、背景变换等情况，鲁棒性很差，其网络结构并不适合空间科学实验的目标分割。对于空间站科学实验而言，包括空间生命科学与生物技术、微重力流体物理及燃烧科学等，由于空间科学实验受到在轨条件的约束，实验一般在实验柜中进行，因此背景较为固定，且实验对象往往都是一些小目标，如细胞、小鱼、液滴、火焰等，科学载荷一般不大，也不包含丰富的语义信息，实验对象往往也与这些数据集中的目标差别很大；另外空间科学实验样本较少，没有大量的数据积累，不足以构建成数据集利用常见的深度学习方法进行训练，还容易产生过拟合的现象。...

【技术保护点】
1.一种用于空间科学实验数据的语义分割方法，其特征在于，包括：/n在地面模拟空间科学实验，获取地面实验数据，对所述地面实验数据进行语义分割标注，将标注后的地面实验数据分为训练集和验证集；/n根据所述训练集和所述验证集对预先调整的U-Net语义分割网络进行训练，得到语义分割模型；/n获取空间科学实验数据，将所述空间科学实验数据输入到所述语义分割模型中，得到空间科学实验数据的语义分割结果。/n

【技术特征摘要】
1.一种用于空间科学实验数据的语义分割方法，其特征在于，包括：
在地面模拟空间科学实验，获取地面实验数据，对所述地面实验数据进行语义分割标注，将标注后的地面实验数据分为训练集和验证集；
根据所述训练集和所述验证集对预先调整的U-Net语义分割网络进行训练，得到语义分割模型；
获取空间科学实验数据，将所述空间科学实验数据输入到所述语义分割模型中，得到空间科学实验数据的语义分割结果。


2.根据权利要求1所述的用于空间科学实验数据的语义分割方法，其特征在于，对所述地面实验数据进行语义分割标注，具体包括：
判断所述地面实验数据是否为视频，如果是，则将所述地面实验数据转换为图片序列；
通过标注程序对所述图片序列进行语义分割标注，并将标注后的图片序列转换为对应二值图像的掩码信息。


3.根据权利要求2所述的用于空间科学实验数据的语义分割方法，其特征在于，根据所述训练集和所述验证集对预先调整的U-Net语义分割网络进行训练之前，还包括：
根据所述训练集中图像的分辨率，将所述U-Net语义分割网络的输入大小调整为预设大小；
根据所述训练集中图像的语义信息的复杂度，调整所述U-Net语义分割网络的卷积和反卷积的层数；
根据训练所述U-Net语义分割网络的硬件参数，调整所述U-Net语义分割网络的训练参数、误差函数和优化器。


4.根据权利要求3所述的用于空间科学实验数据的语义分割方法，其特征在于，根据所述训练集和所述验证集对预先调整的U-Net语义分割网络进行训练，具体包括：
对所述训练集内的图像进行扩充处理；
将扩充处理后的每张图像和对应的掩码的大小调整为所述预设大小，输入到预先调整的U-Net语义分割网络中，根据调整层数后的卷积层和反卷积层进行前向和反向传播，根据调整后的所述训练参数、所述误差函数和所述优化器控制训练过程，进行迭代训练，直至到达预设训练次数或损失不再下降。


5.根据权利要求1至4中任一项所述的用于空间科学实验数据的语义分割方法，其特征在于，还包括：
计算所述语义分割结果和预先标注的真值掩膜之间的区域相似度和轮廓相似度；
根据所述区域相...

【专利技术属性】
技术研发人员：李沛卓，万雪，李盛阳，
申请(专利权)人：中国科学院空间应用工程与技术中心，
类型：发明
国别省市：北京;11