System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及地表变形监测,尤其涉及一种提升亚像素偏移追踪精度的输入灰度影像预处理方法。
技术介绍
1、在利用亚像素偏移追踪算法进行地表变形分析时,一个关键的影响因素是如何选取合适的输入影像波段。一般地,经sfm算法处理的无人机航摄数据集能够导出red band、green band、blue band、dsm、hillshade等多种一维灰度图像,通常选取其中一种灰度图像输入亚像素偏移追踪算法进行处理。不同的灰度图像在计算时间上没有明显差异,但会在计算结果(即位移场)的质量上产生显著的区别。
2、通常地,为了选取一种最优的输入亚像素偏移追踪算法的灰度影像,常采取小窗口条件的人工试错法。也即在一个较小的窗口参数下,分组输入不同的灰度影像,并通过目测或计算平均梯度、信噪比等的方式来评估该灰度影像作为输入影像的条件下,亚像素偏移追踪算法得到的结果的准确度。这个过程中主要依赖人工完成,费时费力。此外,仅通过算法计算完成后输出的结果的质量来评判输入灰度影像的优劣,忽略了输入灰度影像中本身含有的语义信息,其本质上等同于特征选择的操作,即只能在既有的灰度影像(rgb、dsm、hillshade等)中选出一个最优,无法实现特征提取的效果。
技术实现思路
1、本申请实施例提供一种提升亚像素偏移追踪精度的输入灰度影像预处理方法,根据该预处理方法最终能够输出一个质量较好的位移场结果。
2、本申请实施例提供的输入灰度影像预处理方法包括如下步骤:
3、1)提供基于无人机航摄
4、2)将2k个一维灰度图像裁剪为n×m的统一大小,进行叠加,得到两组n×m×k的多波段影像;
5、3)将两组n×m×k的多波段影像生成的矩阵分别输入一个resnet骨干网络,形成一个双骨干网络,随后将网络输出结果输入softmax激活函数,将激活函数输出结果映射到无符号整型0~255的范围内,最终各自得到一个n×m的灰度图像作为最终输出结果;
6、4)根据输出的两个n×m的灰度图像计算损失函数,得到损失值;
7、5)根据计算得到的损失值进行反向传播修正resnet网络参数,最终得到一个训练好的亚像素偏移追踪输入灰度影像特征提取神经网络模型。
8、另外,本申请实施例提供的输入灰度影像预处理方法还可以具有如下附加的技术特征:
9、在一种可选的方案中,所述步骤4)中损失函数的计算由下式给出:
10、loss=αlmi+βle+γ
11、式中,loss代表损失值,lmi代表互信息损失项,le代表二维熵损失项,α、β、γ是超参数。
12、在一种可选的方案中,所述互信息损失项由下式计算得到:
13、
14、式中,a、b代表两个灰度图像,ai代表灰度图像a中灰度值为i的像素数目,bj代表灰度图像中像素值为j的像素数目,ai∩bj代表一个像素坐标在a中灰度值为i,在b中灰度值为j,运算符|·|代表取总数目,n为像素总数。
15、在一种可选的方案中,所述二维熵损失项由下式计算得到:
16、
17、
18、
19、式中,i代表一个像素的灰度值,j代表一个像素所有相邻像素的灰度的平均值,j(k)是一个像素某个相邻像素的灰度值,n是一个像素的相邻像素数目,运算符|·|代表取总数目,n为像素总数。
20、在一种可选的方案中,所述步骤2)中的2k个一维灰度图像包括red band、greenband、blue band、dsm、hillshade;两组n×m×k的所述多波段影像的一组对应于“事件前影像”,另一组对应于“事件后影像”。
21、本申请实施例的有益效果在于:
22、1)该输入灰度影像预处理方法利用深度神经网络自动化地对输入灰度影像进行特征提取,不仅避免了人工反复试错带来的巨大工作量,而且能够达到更优的多个输入灰度影像的组合;2)在网络的loss计算中引入对互信息和二维熵的考虑,直接从输入灰度影像的语义信息的角度来预判选择出最优的输入,而不依赖于亚像素偏移追踪的计算结果;3)对于一个研究区,只需要经过一次数据集训练过程得到稳定的网络模型,之后该研究区的输入灰度影像数据集就可以直接使用该模型进行预处理,从而便利、快速的实现亚像素偏移追踪算法输入灰度影像的选取工作,提升亚像素偏移追踪的精度。
23、应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种提升亚像素偏移追踪精度的输入灰度影像预处理方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的提升亚像素偏移追踪精度的输入灰度影像预处理方法,其特征在于,所述步骤4)中损失函数的计算由下式给出:
3.根据权利要求2所述的提升亚像素偏移追踪精度的输入灰度影像预处理方法,
4.根据权利要求2或3所述的提升亚像素偏移追踪精度的输入灰度影像预处理方法,
5.根据权利要求4所述的提升亚像素偏移追踪精度的输入灰度影像预处理方法,其特征在于,所述步骤2)中的2k个一维灰度图像包括Red Band、Green Band、Blue Band、DSM、hillshade;两组N×M×k的所述多波段影像的一组对应于“事件前影像”,另一组对应于“事件后影像”。
【技术特征摘要】
1.一种提升亚像素偏移追踪精度的输入灰度影像预处理方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的提升亚像素偏移追踪精度的输入灰度影像预处理方法,其特征在于,所述步骤4)中损失函数的计算由下式给出:
3.根据权利要求2所述的提升亚像素偏移追踪精度的输入灰度影像预处理方法,
4.根据权利要求2或3所述的提升亚...
【专利技术属性】
技术研发人员:石安池,倪卫达,李志海,周家文,蒋楠,肖淮献,
申请(专利权)人:中国电建集团华东勘测设计研究院有限公司,
类型:发明
国别省市:
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。