CN114511500B 图像处理方法、存储介质以及计算机终端 （阿里巴巴（中国）有限公司）

于目标类型对初始图斑进行过滤，得到目标图请解决了相关技术中图像识别的精确度较低的2获取第一图像和第二图像，其中，所述第一图像和所述第二图于表征所述第一图像和所述第二图像中图像所述输出模块的输入端与所述特征提取模块的输利用所述特征提取模块对所述第一蒙板特征和3在所述目标类型与所述预设类型不同的情况下，对所述初在所述目标类型与所述预设类型相同的情况下，对所述初接收所述目标类型对应的类型反馈结果，其中，所述类型反馈按照所述第一显示方式在所述第一图像中对所述初始图按照所述第二显示方式在所述第二图像中对所述初始图接收所述初始图斑对应的图斑反馈结果，其中，所述图斑反确定所述图斑反馈结果对应的所述第一蒙板信获取第一耕地图像和第二耕地图像，其中，所述第一耕地图像述初始耕地图斑用于表征所述第一耕地图像和所述第二耕地图像中耕地图像发生变化的4提取模块用于基于所述蒙板特征确定所述目12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程56[0011]图1是根据本申请实施例的一种用于实现图像处理方法的计算机终端(或移动设员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范7通常将通用变化检测模型作为特定类型变化检测任务的预[0026]目前已有的基于深度学习算法的耕地变化检测算法通常采用与通用变化检测算装置中执行。图1示出了一种用于实现图像处理方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配[0031]应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通[0032]存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中的图像处理方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件8[0033]传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括[0034]显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与备)可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代[0039]上述的第一图像和第二图像可以为遥感图像，也可以是9孪生结构的变化检测网络可以为efficientnet+cascadebifpn(通用二分类变化检测网用efficient-b0(复合缩放网络)作为主干网络提取第一图像对应的特征和第二图像对应的特征，可以将第一图像对应的特征和第二图像对应的特征进行拼接，输入到cascade以将训练数据划分为14,932对前后期影像(上述的第一图像和第二图像)作为训练集，3,[0053]具体的，可以利用残差卷积神经网络(ResNeSt50)对第一图像和第二图像进行图基础上加入蒙板信息融合分支，根据输出的初始图斑的特征可以对蒙板的尺寸进行调整，[0063]其中，第一蒙板信息用于表征第一图像中每个第一像素第二蒙板信息用于表征第二图像中每个第二像素点是否[0064]上述的第一蒙板信息和第二蒙板信息主要用于描述初始图斑在第一图像和第二像中的区域；可以根据初始图斑确定出第二图像中发生变化的区域对应的第二蒙板信息，[0070]具体的，可以根据输出的初始图斑在第一图像中的特征[0071]在另一种可选的实施例中，为了解决面积较小初始图斑以在深层特征扣取图斑特征，保证微小图斑的特征在低层特征上能够有一个合[0072]在交通运输的应用场景中，第一图像可以为前期采集的[0074]在城市规划应用场景中，第一图像可以为前期采集的在进行初始图斑的属性标注，可以在减少标注任务量级的同时尽可能覆盖到所有的测试场集中的图斑进行属性标注。并以每个初始图斑的几何中心从对应的图像中切取400*400大小的图像及对应的蒙板信息用于构建图斑分类数据集，最终得到2,230,032组初始图斑的训练集和179,864对初始图斑的测试集。由于在构建训练数据的过程中加入了初始图斑对到蒙板特征和图像特征，可以将蒙板特征和图像特征输入至多个残差块的目标残差块中，[0086]上述的目标残差块用于利用蒙板特征中初始图斑的区域信息对图像特征进行扣蒙板信息输入模块中将单通道的蒙板信息拓展至512维得到蒙板特征，然后将蒙板特征与金字塔自上而下的特征传递能够保证低层特征上同样包含的尺寸，并且特征金字塔自上而下的特征传递可以保证低层特征上同样包含深层语义信预设类型不同的情况下，说明初始图斑对应的区域变化类型并非是用户所关注的变化类用户只关注耕地-其他的变化或者其他-耕地的变化，此时可以设置预设类型为耕地-其他和第二图像中变化的区域进行覆盖，还可以避免初始图斑对未产生变化的区域进行覆盖，到的第一子类型更加的准确，可以根据修改后的第二蒙板信息对第二图像进行图像识别，[0121]下面结合图7对本申请一种优选的实施例进行详细说明，该方法可以由计算机终[0123]上述的通用变化检测模型主要用于对第一图像和第二图像之间的通用变化进行[0125]可选的，可以在任务数据上进行训练划分出14932对第一图像和第二图像作为训标注，并以每个图斑的几何中心从第一图像和第二图像中切取400*400大小的图像以及对应的图斑蒙板用于构建用于进行图斑分类的数据集，最终可以得到2,230,032组训练图斑单通道的蒙板拓展至512维得到蒙板特征，然后将蒙板特征与图像特征相加输入到后续的[0139]本实验采用任务场景数据集，采用pytorch深度学习框架，GPU配置为NVIDIA[0144]在完成类别标注的通用变化检测数据集中按照耕地变化的规则对标注图斑进行任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，征提取模块对第二蒙板特征和第二耕地图像特征进行特征提取，得到第二耕地图斑特征；[0174]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方[0176]根据本申请实施例，还提供了一种用于实施上述图像处时间对同一区域进行采集得到的图像；检测模块用于对第一图像和第二图像进行变化检对应于实施例1中的步骤S202至步骤S208，四个模块与对应的步骤所实现的实例和应用场别单元用于利用图斑分类器对第一蒙板信息和第一图像进行图像识别，得到第一子类型；记单元还用于按照第二显示方式在第二图像中[0195]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方[0197]根据本申请实施例，还提供了一种用于实施上述图像处1008对应于实施例2的步骤S802至步骤S808，四个模块与对应的步骤所实现的实例和应用[0200]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例2提供的方[0204]在本实施例中，上述计算机终端可以执行图像处理远程存储器可以通过网络连接至终端A。上述网络的实例包括但不限于互联网、企业内部[0207]处理器可以通过传输装置调用存储器存储的信息及[0220]处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：[0222]本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可[0245]所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式