(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210696668.9 (22)申请日 2022.06.20 (71)申请人 北京航空航天大 学杭州创新研究院 地址 310052 浙江省杭州市滨江区创慧街 18号 (72)发明人 高飞　赵云朋　陈鹏辉　孙进平　 罗喜伶　 (74)专利代理 机构 北京八月瓜知识产权代理有 限公司 1 1543 专利代理师 陈赢 (51)Int.Cl. G06V 20/10(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 20/70(2022.01)G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/22(2022.01) G06V 10/774(2022.01) G06T 3/40(2006.01) G06V 10/82(2022.01) (54)发明名称 基于SegNet 的SAR图像桥梁检测方法、 装置 和存储介质 (57)摘要 本说明书实施例提供了一种基于SegNet的 SAR图像桥梁检测方法、 装置和存储介质， 所述方 法包括： 采集待检测目标的SAR图像， 所述SAR图 像包括河流区域和桥梁区域； 以所述SAR图像为 输入， 通过预设第一神经网络模 型对所述河流区 域进行图像分割， 得到河流区域图像和河流区域 特征数据； 以所述河流区域特征数据和所述图像 为输入通过预设第二神经网络模型对所述桥梁 区域进行图像分割， 得到桥梁区域图像。 本申请 提供的技术方案用以解决直接将深度学习语义 分割用于桥梁检测时产生的类间不平衡问题和 损失图像的位置信息的问题。 权利要求书2页 说明书10页 附图2页 CN 115049927 A 2022.09.13 CN 115049927 A 1.一种基于SegNet的SAR图像桥梁检测方法， 其特 征在于， 包括： 采集待检测目标的SAR图像， 所述SAR图像包括河流区域和桥梁区域； 以所述SAR图像为输入， 通过预设第一神经网络模型对所述河流区域进行图像分割， 得 到河流区域图像和河流区域特 征数据； 以所述河流区域特征数据和所述图像为输入通过预设第二神经网络模型对所述桥梁 区域进行图像分割， 得到桥梁区域图像。 2.根据权利要求1所述的方法， 其特 征在于， 所述第一神经网络模型和所述第二神经网络模型的训练方法， 包括： 采集待训练图像， 并在所述待训练图像中分别标注河流区域和桥梁区域； 通过所述第一神经网络模型， 从所述待训练图像中提取河流区域对应的图像； 根据所述 提取到的图像， 确定所述河流区域对应的特 征图像； 根据所述特征图像， 通过所述第二神经网络模型， 从所述待训练图像中提取所述桥梁 区域对应的图像； 分别计算所述第一神经网络模型的第一损失函数和所述第二神经网络模型的第二损 失函数； 根据所述第一损失函数和所述第二损失函数， 确定总损失函数； 以所述总损失函数， 作为所述第一损失函数和所述第二损失函数的新损失函数。 3.根据权利要求1所述的方法， 其特 征在于， 所述第一神经网络模型， 包括： 解码器和编码器； 所述通过预设第 一神经网络模型对所述河流 区域进行图像分割， 得到河流区域特征数 据， 包括： 分别采集所述编码器第一个卷积层得到的第一图像、 所述解码器soft层得到的第二图 像和所述 解码器中任一中间层得到的第三图像； 对所述第一图像、 所述第二图像和所述第三图像进图象拼接， 得到第四图像； 针对所述第四图像和所述SAR图像进行 逐点乘法运 算， 得到河流区域特 征数据。 4.根据权利要求1所述的方法， 其特 征在于， 所述第一神经网络模型的编码器， 包括： 4个编码模块； 每一个所述编码模块， 包括： 两个卷积核为3 ×3的卷积层和一个2 ×2的最大池化层。 5.根据权利要求 4所述的方法， 其特 征在于， 所述第一神经网络模型的解码器， 包括： 4个解码模块和soft层； 每一个所述 解码模块， 包括： 两个卷积核为3 ×3的反卷积层和一个2 ×2的反池化层； 解码时， 待解码数据先 经过所述4个解码模块再 经过所述soft层。 6.根据权利要求1或4所述的方法， 其特 征在于， 所述第二神经网络模型的编码器， 包括： 卷积核为3 ×3的独立卷积层、 金字塔池化模 块、 第一编码模块和第二编码模块； 所述第一编码模块和所述第二编码模块， 均包括： 两个卷积核为3 ×3的卷积层和一个 步长为2的卷积层； 编码时， 待编码数据依次经过所述独立卷积层、 金字塔池化模块、 第 一编码模块和第二 编码模块。权　利　要　求　书 1/2 页 2 CN 115049927 A 27.根据权利要求6所述的方法， 其特 征在于， 所述第二神经网络模型的解码器， 包括： 3个解码模块和soft层； 每一个所述 解码模块， 包括： 两个卷积核为3 ×3的反卷积层和一个的反池化层； 解码时， 待解码数据先 经过所述3个解码模块再 经过所述soft层。 8.一种基于SegNet的SAR图像桥梁检测装置， 其特征在于， 包括： 采集模块和数据处理 模块； 所述采集模块用于采集待检测 目标的SAR图像， 所述SAR图像包括河流区域和桥梁区 域； 所述数据处理模块用于以所述SAR图像为输入， 通过预设第一神经网络模型对所述河 流区域进行图像分割， 得到河流区域图像和河流区域特征数据； 以所述河流区域特征数据 和所述图像为输入通过预设第二神经网络模型对所述桥梁区域进 行图像分割， 得到桥梁区 域图像。 9.根据权利要求8所述的装置， 其特 征在于， 所述数据处理模块还用于分别采集所述编码器第 一个卷积层得到的第 一图像、 所述解 码器soft层得到的第二图像和所述解码器中任一中间层得到的第三图像； 对所述第一图 像、 所述第二图像和所述第三图像进图像拼接， 得到第四图像； 针对所述第四图像和所述 SAR图像进行 逐点乘法运 算， 得到河流区域特 征数据。 10.一种存 储介质， 其特 征于， 包括： 用于存储计算机可 执行指令， 所述计算机可 执行指令在被执 行时实现以下流 程： 采集待检测目标的SAR图像， 所述SAR图像包括河流区域和桥梁区域； 以所述SAR图像为输入， 通过预设第一神经网络模型对所述河流区域进行图像分割， 得 到河流区域图像和河流区域特 征数据； 以所述河流区域特征数据和所述图像为输入通过预设第二神经网络模型对所述桥梁 区域进行图像分割， 得到桥梁区域图像。权　利　要　求　书 2/2 页 3 CN 115049927 A 3