【技术实现步骤摘要】
本专利技术涉及图像处理领域，具体涉及一种基于区块类别编码的电缆图像分割方法及装置。
技术介绍
1、电缆图像分割技术是电网自动化维护、无人机避障中的重要技术。但是，因为常用的电缆图像分割的损失函数并未充分考虑图像区块之间的相关性，经常导致电缆分割不完整。实际中，由于电缆生产的规范性，其颜色、纹理在局部范围内高度相似，因此如何提升电缆区块之间的相关性优化，成为现有的电缆图像分割技术的难点之一。
技术实现思路
1、本申请的目的在于针对上述提到的技术问题提出一种基于区块类别编码的电缆图像分割方法及装置。
2、第一方面，本专利技术提供了一种基于区块类别编码的电缆图像分割方法，包括以下步骤：
3、获取带有像素级别的语义类别标签的图像数据并构建电缆分割训练数据；
4、构建电缆图像分割模型和区块编码模块，电缆图像分割模型包括语义分割编码器和语义分割解码器，采用电缆分割训练数据和区块编码模块对电缆图像分割模型进行训练，将电缆分割训练数据中的图像数据输入到语义分割编码器，得到区块特征，将区块特征输入到语义分割解码器，得到语义类别概率，基于语义类别概率和语义类别标签构建语义分割损失函数，将语义类别标签输入到区块编码模块，得到区块类别标签，基于语义类别概率和区块类别标签构建相关性匹配损失函数，根据语义分割损失函数和相关性匹配损失函数计算得到总损失函数，基于总损失函数对电缆图像分割模型进行训练，得到经训练的电缆图像分割模型；
5、获取待分割图像并输入经训练的电
6、作为优选，将电缆分割训练数据中的图像数据输入到语义分割编码器，得到区块特征，具体包括：
7、采用下式计算区块特征：
8、；
9、其中，表示一批b份图像数据中的每份图像数据，表示实数集合，电缆分割训练数据中包含一批b份图像数据，每份图像数据的通道数为3、高度为h、宽度为w；encoder表示语义分割编码器对应的函数，表示一批b份图像数据中的每份图像数据对应的通道数为c、高度为h、宽度为w的区块特征。
10、作为优选，将区块特征输入到语义分割解码器，得到语义类别概率，基于语义类别概率和语义类别标签构建语义分割损失函数，具体包括：
11、采用下式计算语义类别概率：
12、；
13、其中，表示一批b份图像数据中的每份图像数据对应的通道数为c、高度为h、宽度为w的区块特征，decoder表示语义分割解码器对应的函数，表示一批b份图像数据中的每份图像数据对应的高度为h、宽度为w的语义类别概率；
14、利用交叉熵损失函数在每个空间位置计算语义类别概率与语义类别标签的损失值，如下式所示：
15、；
16、其中，cel为语义分割损失函数，ls表示语义分割损失函数的数值，为语义类别标签，表示一批b份图像数据中的第b份图像数据的语义类别标签中的空间位置在高度为i，宽度为j的标签值，表示一批b份图像数据中的第b份图像数据的语义类别概率中的空间位置在高度为i，宽度为j的概率值。
17、作为优选，将语义类别标签输入到区块编码模块，得到区块类别标签，基于语义类别概率和区块类别标签构建相关性匹配损失函数，根据语义分割损失函数和相关性匹配损失函数计算得到总损失函数，具体包括：
18、采用下式将语义类别标签转换为区块类别标签：
19、；
20、其中，表示一批b份图像数据中的第b份图像数据的区块类别标签中的空间位置在高度为p，宽度为q的标签值，当标签值为1时表示该区块包含电缆区域，当标签值为0时表示该区块不包含电缆区域；max表示取出输入数据中的最大值；表示取出一批b份图像数据中的第b份图像数据的语义类别标签中的高度在到范围内，宽度在到范围内的所有标签值，h和w表示语义类别标签的高度和宽度，h和w表示区块类别标签的高度和宽度；
21、采用下式计算相关性匹配损失函数：
22、；
23、其中，ed表示相关性匹配损失函数，表示相关性匹配损失函数的数值，表示一批b份图像数据中的第b份图像数据的区块类别标签中的空间位置在高度为s，宽度为t的标签值，表示一批b份图像数据中的第b份图像数据的区块类别标签中的空间位置在高度为m，宽度为n的标签值，表示一批b份图像数据中的第b份图像数据的区块特征中的第c通道上空间位置在高度为s，宽度为t的特征值，表示一批b份图像数据中的第b份图像数据的区块特征中的第c通道上空间位置在高度为m，宽度为n的特征值；
24、采用下式计算总损失函数l：
25、；
26、其中，ls表示语义分割损失函数的数值。
27、作为优选，语义分割编码器包括resnet-50网络，语义分割解码器包括特征金字塔网络，区块编码模块包括最大池化层。
28、作为优选，根据待分割图像对应的语义类别概率确定待分割图像中的电缆区域和非电缆区域，具体包括：
29、当待分割图像对应的语义类别概率的其中一个空间位置的概率值大于等于阈值时，将该空间位置视为电缆区域，当待分割图像对应的语义类别概率的其中一个空间位置的概率值小于阈值时，将该空间位置视为非电缆区域。
30、第二方面，本专利技术提供了一种基于区块类别编码的电缆图像分割装置，包括：
31、训练数据构建模块，被配置为获取带有像素级别的语义类别标签的图像数据并构建电缆分割训练数据；
32、模型构建模块，被配置为构建电缆图像分割模型和区块编码模块，电缆图像分割模型包括语义分割编码器和语义分割解码器，采用电缆分割训练数据和区块编码模块对电缆图像分割模型进行训练，将电缆分割训练数据中的图像数据输入到语义分割编码器，得到区块特征，将区块特征输入到语义分割解码器，得到语义类别概率，基于语义类别概率和语义类别标签构建语义分割损失函数，将语义类别标签输入到区块编码模块，得到区块类别标签，基于语义类别概率和区块类别标签构建相关性匹配损失函数，根据语义分割损失函数和相关性匹配损失函数计算得到总损失函数，基于总损失函数对电缆图像分割模型进行训练，得到经训练的电缆图像分割模型；
33、分割模块，被配置为获取待分割图像并输入经训练的电缆图像分割模型，得到待分割图像对应的语义类别概率，根据待分割图像对应的语义类别概率确定待分割图像中的电缆区域和非电缆区域。
34、第三方面，本专利技术提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
35、第四方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本文档来自技高网...
【技术保护点】
1.一种基于区块类别编码的电缆图像分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于区块类别编码的电缆图像分割方法，其特征在于，将所述电缆分割训练数据中的图像数据输入到所述语义分割编码器，得到区块特征，具体包括：
3.根据权利要求1所述的基于区块类别编码的电缆图像分割方法，其特征在于，将所述区块特征输入到所述语义分割解码器，得到语义类别概率，基于所述语义类别概率和语义类别标签构建语义分割损失函数，具体包括：
4.根据权利要求1所述的基于区块类别编码的电缆图像分割方法，其特征在于，将所述语义类别标签输入到所述区块编码模块，得到区块类别标签，基于所述语义类别概率和区块类别标签构建相关性匹配损失函数，根据所述语义分割损失函数和相关性匹配损失函数计算得到总损失函数，具体包括：
5.根据权利要求1所述的基于区块类别编码的电缆图像分割方法，其特征在于，所述语义分割编码器包括ResNet-50网络，所述语义分割解码器包括特征金字塔网络，所述区块编码模块包括最大池化层。
6.根据权利要求1所述的基于区块类别编码的电缆图像
7.一种基于区块类别编码的电缆图像分割装置，其特征在于，包括：
8.一种电子设备，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
...【技术特征摘要】
1.一种基于区块类别编码的电缆图像分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于区块类别编码的电缆图像分割方法，其特征在于，将所述电缆分割训练数据中的图像数据输入到所述语义分割编码器，得到区块特征，具体包括：
3.根据权利要求1所述的基于区块类别编码的电缆图像分割方法，其特征在于，将所述区块特征输入到所述语义分割解码器，得到语义类别概率，基于所述语义类别概率和语义类别标签构建语义分割损失函数，具体包括：
4.根据权利要求1所述的基于区块类别编码的电缆图像分割方法，其特征在于，将所述语义类别标签输入到所述区块编码模块，得到区块类别标签，基于所述语义类别概率和区块类别标签构建相关性匹配损失函数，根据所述语义分割损失函数和相关性匹配损失函数计算得到总损失函数，具体包括：
5...
【专利技术属性】
技术研发人员：潘文杰，朱建清，周前果，曾焕强，陈婧，施一帆，蔡磊，龚鑫荣，
申请(专利权)人：华侨大学，
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。