[发明专利]一种基于图像的自然场景材料识别方法

说明书

本发明涉及一种基于图像的自然场景材料识别方法，首先设计跳跃空洞卷积网络提取自然场景图片中的材料特征，并且实现一个端到端的材料识别，然后又利用全连接条件随机场对网络识别的结果进行修正优化，避免材料识别结果边缘过度平滑。本发明不需要其他设备，同时不需要实地检测，只需要自然场景中拍摄得到的一些图像，就可以完成材料识别。

技术领域

本发明属于图像处理、材料识别领域，具体为一种基于跳跃空洞卷积网络和全连接条件随机场结合识别自然场景图像材料方法。

背景技术

材料是物体的本质特性之一，材料的属性会直接影响到物体的物理性质和化学性质。通过对材料的准确认知，可以实现对场景的准确理解。随着交叉学科的不断兴起，通过计算机视觉识别材料已成为当今图像理解领域一个重要的课题。在自然场景中，每幅图像中通常包含了许多类别的材料，并且相同的材料也会呈现出不同的姿态与外观。因此，为了实现对自然场景的准确理解，满足实际工程使用的需求，需要对图像中每个像素进行材料识别。目前国内还未有相关的基于图像进行自然场景材料识别的研究发明。

1、与本发明相关的现有技术一

在维特公司罗曼·鲁申请的于2015年6月10号公开，公开号为CN104704346A，发明名称为“用于识别场景中的材料的方法和装置”的中国发明专利申请中，首先需要光源点亮场景，然后针对光分开的偏振状态通过使用定位在所述场景的法线上的倾斜的方向上的两个测量装置来取得所述场景的光振幅的至少两个同时测量，并且从此推断材料的识别。

该专利使用了材料的物理性质进行材料识别，具体为利用了不同材料对光偏振的不同来识别场景材料。该专利需要严格的装置设备在实地场景中采集材料的物理特征信息，操作比较复杂。

2、与本发明相关的现有技术二

在南京理工大学李彧晟等申请的于2017年9月15号公开，公开号为CN107169469A，发明名称为“一种基于机器学习的MIMO雷达的材料识别方法”的中国发明专利申请中，首先用MIMO雷达采集样本材料回波信号，接着对回波进行特征提取，得出能够区分不同材料的特征参数，之后利用机器学习算法确定不同材料和特征参数之间的映射关系。最后根据所得到的映射关系，判决MIMO雷达探测的物体属于何种材料。

该专利也是使用了材料的物理性质进行材料识别，具体为利用不同材料对MIMO雷达的回波信号不同，并且使用了机器学习的方法学习了回波信号的特征来识别材料。该专利在应用时需要使用到MIMO雷达装置一个个采集回波信号，对于自然场景同时存在很多种材料的情况下，方法的适用性不强。

由上述专利可见，针对材料识别的方法操作复杂，需要特殊的设备采集信息并进行分析。针对于材料种类繁多，外观形态多变的自然场景，上述材料识别方法可操作性及推广性不强。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于图像的自然场景材料识别方法。

技术方案

一种基于图像的自然场景材料识别方法，其特征在于步骤如下：

步骤1：设计跳跃空洞卷积网络：

步骤11：采用Vgg16网络提取底层的材料特征，使用图像金字塔对材料特征进行多尺度描述，包括3次下采样，特征大小变为原始图像的1/8；

步骤12：舍弃VGG16网络的最后两个池化层，改用空洞卷积级联来替代；所述的空洞卷积就是在传统的卷积核参数四周插0，而插0的间隔由扩张率参数决定；

步骤13：采用1个卷积核大小为1*1的卷积层提取特征的深度信息；

步骤14：使用跳跃连接将步骤11提取到的特征和步骤13提取到的特征进行加法融合，得到新的特征；