申请/专利权人：长江大学

申请日：2023-09-28

公开（公告）日：2024-01-09

公开（公告）号：CN117372638A

主分类号：G06T17/05

分类号：G06T17/05;G06V10/26;G06V10/764;G06V10/82;G06T3/4038;G06N3/0455;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.26#实质审查的生效;2024.01.09#公开

摘要：本发明涉及一种基于语义分割算法的小尺度数字露头岩性填图方法。该基于语义分割算法的小尺度数字露头岩性填图方法结合无人机地质露头三维建模技术和语义分割神经网络技术，总结出了一套基于DeepLabv3+语义分割模型的小尺度数字露头岩性智能填图流程。野外露头岩性智能化填图一直是地质领域研究的重难点。人工填图工作量很大，同时系统性、一致性不够，基于深度卷积神经网络的岩性智能填图可以大大减少此类工作量，同时由于通过算法智能填图露头岩性，解决了现有方式存有的目标露头尺度过大，岩性填图精度低，以及不能工作在具有复杂背景的野外露头上的问题，特别适合岩性分割图制备使用的需要。

主权项：1.一种基于语义分割算法的小尺度数字露头岩性填图方法，其特征在于：该填图方法包括以下步骤：步骤1、使用无人机收集整理研究区的倾斜摄影露头照片，建立三维数字露头模型；步骤1.1、使用无人机倾斜摄影采集露头数据：通过无人机对露头航拍，同时从垂直、倾斜等不同角度采集航测图像，获取露头更为完整准确的信息；步骤1.2、使用建模软件建立露头三维模型：将步骤1.1中采集的航测图像导入RealityCapture软件中进行处理，进行露头倾斜影像的倾斜摄影空中三角测量；在空中三角测量得到的稀疏点云基础上进行逐像素的密集匹配得到密集点云；得到密集点云后要进行模型重建，主要分为不规则三角网（TIN）构建和DSM点云生成；根据地物表面的复杂度生成不同尺度的TIN模型，并生成DSM模型；随后，对DSM模型和航测图像中的纹理影像进行匹配，通过摄影测量的计算机视觉原理，确立模型中各三角形与航测图像中的纹理影像的投影关系，筛选面积最大、效果最优、无遮蔽的目标影像；然后，将其反投影到模型的三角面上，实现DSM模型的纹理贴合，最终得到露头的实景三维模型；步骤2、创建语义分割数据集：步骤2.1、制作语义分割标签：为了训练基于深度卷积神经网络的语义分割模型，需要制作符合深度神经网络读取格式的图像数据及其对应分类标签数据；使用开源图像标注工具LabelMe按PascalVoc数据集的格式对步骤1.1中的无人机采集的露头航测照片进行标注；步骤2.2、样本创建策略：由于整幅影像的尺寸较大，直接输入计算机会导致内存不足的问题，因此需要对样本进行切割；一般而言，裁剪后的图像应该尽可能的大，这样不仅能减少裁剪次数还能够降低由图像裁剪带来的边缘像素损失；样本尺寸太大会消耗大量内存，且易出现过拟合的现象；无人机拍摄的单张照片的尺寸为4000*2250，按照640*640大小的图片顺序裁剪大图像分割为小图像；为了提高网络的泛化性能，通过对裁剪后的图像数据集做加噪、镜像和模糊等图像增强处理来扩展图像数据集；按照81%训练集、9%验证集、10%测试集的比例划分数据集；在模型训练的时候会将输入图像的尺寸缩放为512*512的大小，使之符合模型的输入要求，调整过程会保持图像的宽高比；步骤3、训练语义分割模型：步骤3.1、搭建DeepLabv3+语义分割网络：步骤3.2、训练DeepLabv3+语义分割网络：以步骤2.2中的训练集和验证集作为输入数据，训练步骤3.1搭建的DeepLabv3+语义分割网络；模型的超参数设置如下：通道个数及类别数均设置为5；batchsize设为4；训练五十轮次；基础学习率设为1e-3；采用自适应学习率的学习率衰减策略，当损失不在下降的时候学习率减小为原来的一半；优化算法选用的是Adam；本文对所有参与训练和预测的图片都进行了标准化操作，具体实现方式为对图片像素值除以127.5后-1，这样就将图片的像素值缩放到-1到1之间；步骤4、小尺度露头岩性填图；通过使用RealityCapture软件，从步骤1中得到的露头三维模型中导出了露头的数字正射影像，生成了小尺度的露头剖面图像；然后，使用DeepLabv3+模型对小尺度露头剖面进行岩性分布特征的预测；然而，由于内存限制，我们无法直接将大尺寸的数字正射影像输入模型并进行预测；因此，在处理过程中，将大尺寸图片裁剪成小图片，然后将这些小图片输入到模型中进行预测；最后将预测得到的小图片重新拼接还原，得到了完整的大尺寸图像即为岩性分割图。

全文数据：

权利要求：

百度查询： 长江大学 一种基于语义分割算法的小尺度数字露头岩性填图方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD