[发明专利]基于混合自动编码器道路图像语义分割方法

权利要求书

1.一种基于混合自动编码器道路图像语义分割方法，其特征在于，包括如下步骤：

(10)样本集收集：将收集到的样本集图像分为训练样本集图像与测试样本集图像两类；

(20)样本图像预处理：对样本集图像进行尺寸变换、对比度归一化处理，将待处理的样本集图像转换成相应的唯一标准形式；

(30)混合自动编码器网络模型获取：利用预处理后的训练样本，分别训练稀疏自动编码器和去噪自动编码器，提取中间的编码权值和解码权值，通过建立一种合理的模型排列顺序与堆叠形式构建出混合自动编码器网络模型；

(40)道路图像语义分割：利用混合自动编码器网络模型，对车载摄像头拍摄的道路图像进行语义分割，获取道路区域。

2.根据权利要求1所述的道路图像语义分割方法，其特征在于，所述(10)样本集收集：

(11)样本集收集：选择了网上公开的Cambridge-driving Labeled Video Database(CamVid)数据集。CamVid数据集是一个道路、驾驶场景理解数据集，数据集的采集来自一个安装在汽车仪表盘上的960×720像素分辨率的摄像机。

3.根据权利要求1所述的道路图像语义分割方法，其特征在于，所述(20)样本图像预处理步骤包括：

(21)尺寸变换：将训练样本集图像和测试样本集图像降采样成80×60像素图像；

(22)对比度归一化：将尺寸变换后的训练样本集图像和测试样本集图像进行对比度归一化。

4.根据权利要求3所述的道路图像语义分割方法，其特征在于，所述(21)尺寸变化步骤包括：

(211)图像尺寸降采样：通过双线性插值的方法，将车载摄像机拍摄的960×720图像降采样为80×60像素。

5.根据权利要求3所述的道路语义方法，其特征在于，所述(22)对比度归一化，根据下式对尺寸变换后的训练样本集图像和测试样本集图像进行对比度归一化：

式中，I表示原图像，表示归一化后的图像，μ和σ分别为图像均值和标准差，C为常数。

6.根据权利要求1所述的道路图像语义分割方法，其特征在于，所述(30)混合自动编码器网络模型获取步骤包括：

(31)网络参数和结构确定：根据神经网络实验，确定网络参数，包括隐含层神经元个数、激活函数。利用稀疏自动编码器和去噪自动编码器提取图像具有稀疏性和鲁棒性的特征，通过建立一种合理的模型排列顺序与堆叠形式，实现对图像语义的优化选择；

(32)网络训练：利用训练集的样本图像和标签图像，分别对稀疏自动编码器网络进行训练，并提取其中隐含层神经元；将各自提取的隐含层神经元分别作为样本和标签训练去噪自编码器；保留稀疏自编码器和去噪自编码器训练得到的编码权值和解码权值，组合成混合自动编码器网络模型。

7.根据权利要求1所述的道路图像语义分割方法，其特征在于，所述(40)道路图像语义分割步骤包括：

(41)道路图像语义分割：道路图像分R、G、B三个通道输入各自训练好的混合自编码模型，进行语义编码、解码，得到的三通道结果，最终将R、G、B三通道组合还原成道路图像的语义分割图。