[发明专利]一种基于深度学习的图像分割方法

权利要求书

1.一种基于深度学习的图像分割方法，其目的在解决地质图像分割问题，包括以下步骤：

步骤1、获取地质盐层图像数据集，并对这些数据进行清洗；

步骤2、利用图像增强技术，对原始数据进行增强处理；

步骤2具体为：数据形态增强，对原始图像及其掩码标注，按照预定比例对其长、宽进行缩放，及进行镜像；对原始图像及其掩码标注进行平移操作，使用边缘像素补齐平移产生的图像区域；

步骤3、根据数据集在采集时地下深度进行统计划分为5个区间，并在每个区间内按照面积再分为5等份；

步骤3具体包括以下步骤：

步骤3.1、根据地质图像成像的原理，不同深度采集的图像在空间域上具有一定的相关性，将数据集按照地质深度划分为五份；

步骤3.2、将步骤3.1分为5份的数据，每一份中再按盐层区域标注的面积分为5份；

步骤3.3、综合以上两个步骤的数据，使每一折都包含五个深度区间以及5个盐层区域面积区间的数据；

步骤4、模型搭建，编码阶段首选SENet154网络，解码阶段使用FPN网络；

步骤4具体包括以下步骤：

步骤4.1、深度模型的编码阶段，使用SENet154作为基础结构；SENet154使用了SE-block结构，突出有效特征，并且深的网络层数，可以提供更好的特征；

步骤4.2、解码阶段的设计，修改常规FPN网络，用于本次地质图像的语义分割任务中；

步骤4.3、在FPN的基础上，引入了hypercolumn模块，进一步融合了多分辨率的特征；

步骤4.4、在编码器的最后加入全局平均池化层和分类头，在分割网络中，引入分类辅助损失；

步骤4.5、在解码器每一分辨率的层级，引入分割辅助损失，进一步调整每一层级参数的训练；

步骤5、根据步骤3得到的5份数据集，进行5折训练，并投票选择最优结果。