买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学

摘要：本发明公开了一种基于深度互信息与变分编码器的遥感图像小样本分割方法，首先通过深度互信息最大化方法，最大化支持集和查询集之间的互信息，从而充分挖掘支持图像和查询图像的内在联系；再通过自变分编码器表征能力获取原型中的隐式信息，将初始原型解码为前景原型与背景原型，从而解决原型混淆问题。本发明解决了现有的小样本语义分割方法的局限性，进一步提升语义分割算法的速度。

主权项：1.一种基于深度互信息与变分编码器的遥感图像小样本分割方法，其特征在于，包括如下步骤：步骤1：数据划分和预处理；将待训练图片按照小样本学习问题设置划分成支持集图像s和查询集图像q，然后对输入图像进行中心裁剪、大小调整以及归一化处理，将处理过的图像作为特征学习算法的训练样本X；步骤2：利用预训练的ResNet101网络分别对支持集图像和查询集图像进行特征提取；首先将支持集图像与查询集图像输入到预训练的ResNet101网络中，通过网络的多层卷积和池化操作，分别提取出图像的中层特征和高层特征Fs、Fq；步骤3：针对获取的高级特征Fs、Fq，对其使用互信息最大化方法，计算Fs、Fq之间的互信息IFs,Fq，计算方法如下所示： 其中：IFs；Fq:表示高级特征Fs和Fq之间的互信息；x∈Fs:表示在特征集Fs中的一个特征x；y∈Fq:表示在特征集Fq中的一个特征y；px,y:表示特征x和y同时出现的联合概率分布；px:表示特征x的概率分布；py:表示特征y的概率分布；引入一个判别器D估计和最大化支持集图像和查询集图像全局特征之间的互信息；使用InfoNCE损失构建损失函数；步骤4：将步骤2输出的中层特征通过一个先验生成器，该生成器利用中层特征和高层特征生成查询图像的先验掩码Vq，先验掩码包含了查询图像中目标区域的初步信息；具体来说，首先计算每个像素的余弦相似度，之后取所有支持像素中最大相似度作为响应值，最后进行归一化处理； 其中：表示支持图像特征与查词图像特征之间的余弦相似度； 支持图像的中层特征； 查间图像的中层特征；T:表示转置操作；||·||:表示向量的范数；YQ:表示查询图像的先验掩码；max通过取支持像素中与查询像素具有最大相似度的响应值生成；归一化处理:对先验掩码YQ进行归一化处理,使其值在0到1之间；minYQ和maxYQ分别表示YQ中的最小值和最大值；∈是一个的常数，用来避免分母为零的情况；步骤5：利用深度互信息最大化模块提取输出的支持图像的高层特征Fs通过掩码平均池化生成支持图像的初始原型Vs；具体来说，掩码平均池化根据支持图像中的掩码信息，对高层特征进行加权平均，从而得到一个代表支持图像整体特征的初始原型； Mq:表示支持图像的掩码；Apool·:表示池化操作； 表示支持图像的高层特征；Vs:表示池化后的特征向量； 表示归一化后的特征向量；步骤6：针对初始原型Vs进行原型解耦操作；通过将Vs输入自编码器结构，提取原型的隐式变量z并通过正则化约束，解码为背景原型Vb与前景原型Vf，仅选取前景原型Vf作为输出结合Fq进行语义分割操作： z＝μφx+σφx⊙∈ z:表示隐变量；μφx:表示输入x的均值函数；σφx:表示输入x的标准差函数；∈:表示从标准正态分布中采样的噪声；⊙:表示逐元素乘法操作； 表示正态分布；qφz|x:表示给定x后的隐变量z的后验分布；D·:表示判别器； 表示期望值；G·:表示生成器。

全文数据：

权利要求：

百度查询： 西北工业大学 基于深度互信息与变分编码器的遥感图像小样本分割方法