[发明专利]基于改进的Deeplabv3+的航拍图像电磁介质语义识别方法及装置

说明书

本发明公开了基于改进的Deeplabv3+的航拍图像电磁介质语义识别方法及装置，所述方法包括：利用无人机拍摄待处理区域的光学图像；利用预先训练的、基于转置卷积上采样的deeplabv3+神经网络对光学图像进行电磁介质语义识别。应用本发明实施例，基于光学图像，利用deeplabv3+神经网络对光学图像进行电磁介质语义识别，相对于现有技术中的人工标注的方法，可以更加高效的识别出物体的电磁介质性质。

技术领域

本发明涉及电磁介质识别技术领域，更具体涉及基于改进的Deeplabv3+的航拍图像电磁介质语义识别方法及装置。

背景技术

对城市的电磁环境进行管理是现代化巨型城市的一个必备课题。对电磁环境进行管理中常用的手段是基于建立城市中建筑以及各种物体的电磁三维建模，然后根据这些电磁三维模型进行建筑物以及物体对城市电磁环境的影响分析。基于此，建立物体的电磁三维模型是十分必要的，而建立物体的电磁三维模型之前，如何识别出物体的电磁介质性质是亟待解决的技术问题。

通常情况下，可以预先利用激光点云技术建立城市中各种物体的三维模型，然后人工对物体的三维模型中包含的不同电磁介质性质的部分进行标注，得到该部分的电磁介质语义信息。但是该方法标注效率很低，且容易出错，因此，如何高效的识别出物体的电磁介质性质是亟待解决的技术问题。

发明内容

本发明所要解决的技术问题在于如何高效的识别出物体的电磁介质性质。

本发明是通过以下技术方案解决上述技术问题的：

本发明提供了基于改进的Deeplabv3+的航拍图像电磁介质语义识别方法，其特征在于，所述方法包括：

利用无人机拍摄待处理区域的光学图像；

利用预先训练的、基于转置卷积上采样的deeplabv3+神经网络对光学图像进行电磁介质语义识别。

可选的，deeplabv3+神经网络的训练过程包括：

对测区的航空拍摄的光学图像进行预处理与标注，得到训练集；

利用训练集训练预先构建的deeplabv3+神经网络，得到训练后的神经网络模型，其中，所述神经网络模型，包括：依次数据连接的编码模块以及解码模块，其中，所述解码模块包括转置卷积单元。

可选的，

所述编码模块，包括：依次串联的Xception65单元、编码卷积单元以及输出单元，其中，