一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于Unet的港口物资及空地遥感图像分割方法


[0001]本专利技术涉及港口图像分割
，更具体地说，本专利技术涉及一种基于
Unet
的港口物资及空地遥感图像分割方法
。

技术介绍

[0002]港口的变化检测和资源分布检测是需要掌握的重要内容，对港口的资源分布检测就需要对港口的空地面积
、
集装箱规模
、
堆场面积等资源分布面积情况有准确的数据统计
。
目前遥感图像港口海事检测中发挥着重要的作用，现多将
UNet
应用于遥感图像将需要的目标图像分割出来并结合
Opencv
对分割出的区域进行面积计算，从而得到具体分布情况的准确数据
。UNe
网络模型原型由
Ronneberger
于
2015
年提出，它的网络结构包括全卷积部分和反卷积部分，全卷积部分用一个编码路径实现特征提取，即通过编码路径中的多个卷积和池化等操作，生成了从低维到高维不同尺寸的特征图；反卷积则用一个解码路径来精确定位，经解码路径中的多次反卷积上采样操作，最后输出与输入图像具有相同尺寸的结果图
。UNet
的损失函数通常使用二元交叉熵，通过计算预测分割图像与真实分割图像之间的差异来衡量模型的性能
。
虽然提高了正样本的预测精确性，但是分割结果会受图像中占比较大的负样本影响
。
因此通常会使用
Focal
损失函数和
Dice
损失函数相结合的损失函数替代二元交叉熵
。
[0003]在进行港口遥感图像分割时使用
UNet
的损失函数，
BCE
分割结果会受图像中占比较大的负样本影响，目前通常使用
Focal
损失函数和
Dice
损失函数相结合来解决这一问题，这一方法能够实现优化正负样本比例不均衡和改善模型细小杂质的分割能力
。
但对于
Focal
损失函数仍有可改进的地方，
Focal
损失函数是解决前景
‑
背景不平衡问题的一种常规解决方法，侧重于硬前景样本的学习，并减少了简单背景样本的影响
。
这种损失再分配技术在类别平衡分布下效果好，但不足以处理长尾情况下前景类别间的不平衡问题
。
利用
Unet
对港口遥感图像中的空地
、
集装箱
、
堆场等进行图像分割以实现对港口的变化检测和资源分布检测时，发现现有技术中该项缺陷是由仅考虑
Focal+Dice
损失函数中的
Dice
损失函数解决正负样本不平衡的问题，没有考虑
Focal
损失函数不足以处理长尾情况下前景类别间的不平衡问题
。
[0004]为了解决上述问题，现提供一种技术方案
。

技术实现思路

[0005]为了克服现有技术的上述缺陷，本专利技术提供一种基于
Unet
的港口物资及空地遥感图像分割方法，通过在船讯网上进行图像集的截取，接着建立初始
UNet
网络模型并进行训练，通过将均衡
Focal
损失函数与
Dice
损失函数相结合构建新型港口图像损失函数，对新型港口图像损失函数进行模型训练，模型训练将产生多个权重模型，通过计算多个权重模型测试后的
IOU
值选取最优模型，最后计算目标港口总面积并分别计算港口物资及港口空地的面积，通过港口物资及港口空地的面积占据目标港口总面积的比值得到港口资源分布面
积比例，解决无法远在距离情况下考察港口资源分布面积比例以及正负样本比例不均衡问题，改善了模型细小杂质的分割能力，以解决上述
技术介绍
中提出的问题
。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]一种基于
Unet
的港口物资及空地遥感图像分割方法，图像分割包括如下步骤：
[0008]步骤一，生成图像集：通过船讯网截取目标港口遥感图像，截取时确保图像内容不重叠且图像尺寸相同；
[0009]步骤二，图像处理：对目标港口遥感图像进行噪声去除
、
轮廓边界提取以及港口图像畸变校正；
[0010]步骤三，
UNet
网络模型训练：建立初始
UNet
网络模型并进行训练；
[0011]步骤四，最优模型选择：通过将均衡
Focal
损失函数与
Dice
损失函数相结合构建新型港口图像损失函数，对新型港口图像损失函数进行模型训练，模型训练将产生多个权重模型，通过计算多个权重模型测试后的
IOU
值选取最优模型；
[0012]步骤五，目标港口遥感图像分割：通过最优模型对目标港口遥感图像进行分割，分割出港口物资及港口空地图像；
[0013]步骤六，分割图像面积计算：计算目标港口总面积，分别计算港口物资及港口空地的面积，通过港口物资及港口空地的面积占据目标港口总面积的比值得到港口资源分布面积比例
。
[0014]作为本专利技术进一步的方案，步骤二图像处理对目标港口遥感图像进行港口图像畸变校正，通过实验场校验法对遥感摄像畸变参数以及港口内外方位元素系数进行矫正处理，根据目标港口遥感图像所在实验场内的控制点坐标及与控制点对应的成像点坐标，获取港口图像畸变误差的矩阵表示，通过最小二乘平差法确定港口图像畸变误差修正矩阵，其中，港口图像畸变误差的矩阵表示为：
[0015][u
x
,u
y
]T
＝
A*O
i
+B*O
j
+C*O
e
‑
p
；
[0016]O
i
＝
[df,dx0,dy0]；
[0017][0018]式中：
[u
x
,u
y
]T
为控制点对应的成像点坐标的修正量，
O
i
为港口内方位元素系数修正量，
O
j
为港口外方位元素系数修正量，
O
e
为遥感摄像畸变参数，
A
为港口内方位元素系数修正量的系数，
B
为港口外方位元素系数修正量的系数，
C
为遥感摄像畸变矩阵，
p
为常数项，
f、x0以及
y0分别为港口内方位元素，
w
以及
k
分别为港口外方位元素；
[0019]港口图像畸变误差修正矩阵的计算公式为：
[0020][0021]式中：
G
为港口图像畸变误差修正矩阵本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
Unet
的港口物资及空地遥感图像分割方法，其特征在于，包括如下步骤：步骤一，生成图像集：通过船讯网截取目标港口遥感图像，截取时确保图像内容不重叠且图像尺寸相同；步骤二，图像处理：对目标港口遥感图像进行噪声去除
、
轮廓边界提取以及港口图像畸变校正；步骤三，
UNet
网络模型训练：建立初始
UNet
网络模型并进行训练；步骤四，最优模型选择：通过将均衡
Focal
损失函数与
Dice
损失函数相结合构建新型港口图像损失函数，对新型港口图像损失函数进行模型训练，模型训练将产生多个权重模型，通过计算多个权重模型测试后的
IOU
值选取最优模型；步骤五，目标港口遥感图像分割：通过最优模型对目标港口遥感图像进行分割，分割出港口物资及港口空地图像；步骤六，分割图像面积计算：计算目标港口总面积，分别计算港口物资及港口空地的面积，通过港口物资及港口空地的面积占据目标港口总面积的比值得到港口资源分布面积比例
。2.
根据权利要求1所述的一种基于
Unet
的港口物资及空地遥感图像分割方法，其特征在于，步骤二图像处理对目标港口遥感图像进行港口图像畸变校正，通过实验场校验法对遥感摄像畸变参数以及港口内外方位元素系数进行矫正处理，根据目标港口遥感图像所在实验场内的控制点坐标及与控制点对应的成像点坐标，获取港口图像畸变误差的矩阵表示，通过最小二乘平差法确定港口图像畸变误差修正矩阵，其中，港口图像畸变误差的矩阵表示为：
[u
x
,u
y
]
T
＝
A*O
i
+B*O
j
+C*O
e
‑
p
；
O
i
＝
[df,dx0,dy0]
；式中：
[u
x
,u
y
]
T
为控制点对应的成像点坐标的修正量，
O
i
为港口内方位元素系数修正量，
O
j
为港口外方位元素系数修正量，
O
e
为遥感摄像畸变参数，
A
为港口内方位元素系数修正量的系数，
B
为港口外方位元素系数修正量的系数，
C
为遥感摄像畸变矩阵，
p
为常数项，
f、x0以及
y0分别为港口内方位元素，
w
以及
k
分别为港口外方位元素；港口图像畸变误差修正矩阵的计算公式为：式中：
G
为港口图像畸变误差修正矩阵，
n
为实验场内的控制点个数
。3.
根据权利要求1所述的一种基于
Unet
的港口物资及空地遥感图像分割方法，其特征在于，步骤三
UNet
网络模型训练，通过建立初始
UNet
网络模型并进行训练，具体步骤为：步骤
W1
，图像处理：对目标港口遥感图像进行几何校正
、
辐射校正
、
去噪以及增强；步骤
W2
，模型训练：将处理后的目...

【专利技术属性】
技术研发人员：闫巧玲，梅强，李蒙，王飞，徐勇军，
申请(专利权)人：中科厦门数据智能研究院，
类型：发明
国别省市：