[发明专利]一种基于深度学习语义边界增强的盐体识别方法

权利要求书

1.一种基于深度学习语义边界增强的盐体识别方法，其特征在于：该方法包括如下步骤，

步骤1、收集地质盐层的地震图像数据集，并对地震图像数据集中的数据进行清洗；

步骤2、将地震图像数据集随机划分为训练集和测试集，进行数据增强处理，并提取对应的语义边界，最后使用ImageNet数据集的方差与均值进行正则化处理；

步骤3、构建模型，编码器使用预训练好的ResNet50，语义图像提取网络为添加UNet的解码器结构，语义边界提取网络为边界增强模块的栈式堆叠；

步骤4、对步骤3构建的模型使用Adam优化算法进行训练，训练结束后，选择在测试集上语义分割结果最为精确的模型作为结果；步骤3具体包括以下步骤：

步骤3.1、使用在ImageNet数据集上训练好的ResNet50作为模型编码器，并且替换ResNet50中最后的全局平均池化层以及全连接层为1×1的卷积层；

步骤3.2、构建语义图像提取网络的解码器，使用UNet的解码器结构作为主体结构，并将模型编码器的输出输入其中；UNet能够综合利用高层级以及低层级的语义信息，以获得更加精细准确的分割结果；

步骤3.3、为每个UNet解码器模块中加入scSE注意力模块以及残差模块，以筛选并加强其中更为有用的语义信息；

步骤3.4、构建语义边界提取网络，并将模型编码器的输出输入其中；边界增强模块将输入的特征图按通道方向分为4组分别进行卷积，并且每组卷积层的个数均不相同，以获得更加多尺度的感受野，更加利于边界的提取；将各个阶段解码器的输出进行上采样到同一尺度后相加，将和的结果作为最终语义边界提取网络的输出；

步骤3.5、将每个边界增强模块提取出的特征输入到语义图像提取解码器的归一化层中，用于生产归一化层中的γ和β，让边界信息指导模型提取语义信息。

2.根据权利要求1所述的一种基于深度学习语义边界增强的盐体识别方法，其特征在于：步骤2采取以下步骤：

步骤2.1、将地震图像数据集随机划分为训练集和测试集；

步骤2.2、对数据进行形态上增强，对地震图像及对应的标注掩码进行镜像翻转即左右翻转；

步骤2.3、对于训练集上的数据，将地震图像以及对应的掩码随机放大到200至300之间，然后随机裁剪到256的大小，使用边缘像素补齐平移产生的地震图像区域；

步骤2.4、对进行过数据增强处理的掩码图使用Canny算子进行语义边界提取，加入训练集与测试集，用于监督ResNet50、语义图像提取网络、语义边界提取网络的训练；步骤2.5、为地震图像随机添加大小在-10至10之间的亮度变化，随机改变图像的对比度为原来0.8倍至1.2倍、并添加服从标准正态分布的高斯噪音；

步骤2.6、使用ImageNet数据集的方差与均值对地震图像进行正则化处理。