一种鱼眼图像遮挡类别的判别方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115984951A(43)申请公布日2023.04.18(21)申请号202310048962.3(22)申请日2023.02.01(71)申请人广东工业大学地址510060广东省广州市越秀区东风东路729号大院(72)发明人郑少龙王骏逵李珍妮辛宇(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师任文生(51)Int.Cl.G06V40/18(2022.01)G06V10/764(2022.01)G06V10/774(2022.01)G06F17/18(2006.01)G06V10/82(2022.01)权利要求书4页说明书17页附图6页(54)发明名称一种鱼眼图像遮挡类别的判别方法及装置(57)摘要本申请公开了一种鱼眼图像遮挡类别的判别方法及装置，方法包括：将鱼眼图像鱼眼图像遮挡类别判别模型，输出得到目标鱼眼图像，鱼眼图像遮挡类别判别模型的建立过程为：获取若干鱼眼拍摄图像，并标签处理和像素化处理，得到若干鱼眼标签图像，构建BN网络层并引入至原始U_Net网络结构，得到批量归一化U_Net网络结构，以鱼眼拍摄图像作为训练样本，鱼眼标签图像作为样本标签，通过批量归一化U_Net网络结构训练得到鱼眼图像遮挡类别判别模型。可见，鱼眼图像遮挡类别判别模型能够辅助识别出与天空区域对应的直射卫星信号，与建筑物区域对应的反射卫星信号，以及与树木区域对应的衍射卫星信号，提供更多卫星精确定位的条件。CN115984951ACN115984951A权利要求书1/4页1.一种鱼眼图像遮挡类别的判别方法，其特征在于，包括：将鱼眼图像输入预先建立的鱼眼图像遮挡类别判别模型，输出得到带有遮挡分类信息的目标鱼眼图像；所述鱼眼图像遮挡类别判别模型的建立过程，包括：获取若干鱼眼拍摄图像，并对若干所述鱼眼拍摄图像进行标签处理和像素化处理，得到若干鱼眼标签图像，每一鱼眼标签图像中包含天空标签、建筑物标签和树木标签中的至少一种标签；构建用于插入原始U_Net网络结构中的批量归一化BN网络层；在所述原始U_Net网络结构中插入所述BN网络层，得到批量归一化U_Net网络结构；以所述若干鱼眼拍摄图像作为训练样本，将与每一鱼眼拍摄图像对应的鱼眼标签图像作为该鱼眼拍摄图像的样本标签，通过所述批量归一化U_Net网络结构训练得到鱼眼图像遮挡类别判别模型。2.根据权利要求1所述的方法，其特征在于，所述构建用于插入原始U_Net网络结构中的批量归一化BN网络，包括：利用下式构建用于插入原始U_Net网络结构中的批量归一化BN网络：；其中，为批量归一化BN网络所接受的第k维输入特征的回归值，为所述第k维输入特征的平均值，为所述第k维输入特征的均方误差，为所述第k维输入特征的输出特征y。3.根据权利要求1所述的方法，其特征在于，所述在所述原始U_Net网络结构中插入所述BN网络层，得到批量归一化U_Net网络结构，包括：将所述原始U_Net网络结构中所进行下采样的特征通道的数量，增加一倍，得到第一U_Net网络结构；将所述第一U_Net网络结构中所进行上采样的特征通道的数量，缩减一半，得到第二U_Net网络结构；在所述第二U_Net网络结构中的每一卷积层后插入所述BN网络层，得到批量归一化U_Net网络结构。4.根据权利要求1所述的方法，其特征在于，在对若干所述鱼眼拍摄图像进行标签处理和像素化处理，得到若干鱼眼标签图像之后，还包括：将若干所述鱼眼拍摄图像进行数据增强，得到数据增强后的若干鱼眼样本图像；以所述若干鱼眼拍摄图像作为训练样本，将与每一鱼眼拍摄图像对应的鱼眼标签图像作为该鱼眼拍摄图像的样本标签，对所述批量归一化U_Net网络结构进行训练，得到鱼眼图像遮挡类别判别模型，包括：以所述若干鱼眼样本图像作为训练样本，将与每一鱼眼拍摄图像对应的鱼眼标签图像2CN115984951A权利要求书2/4页作为该鱼眼拍摄图像的样本标签，对所述批量归一化U_Net网络结构进行训练，得到鱼眼图像遮挡类别判别模型。5.根据权利要求4所述的方法，其特征在于，以所述若干鱼眼样本图像作为训练样本，将与每一鱼眼拍摄图像对应的鱼眼标签图像作为该鱼眼拍摄图像的样本标签，通过所述批量归一化U_Net网络结构训练得到鱼眼图像遮挡类别判别模型，包括：以所述若干鱼眼样本图像作为目标训练样本，将与每一鱼眼拍摄图像对应的鱼眼标签图像作为该鱼眼拍摄图像的样本标签，在损失函数的约束下，通过所述批量归一化U_Net网络结构训练得到鱼眼图像遮挡类别判别模型，所述损失函数为：；其中，当每一鱼眼标签图像被所述批量归一化U_Net网络结构所判定的类别，与每一鱼眼样本图像的所属类别相同时，M为0，否则M为1，为每一鱼眼标签图像的预测结果的所属类别，与该鱼眼