(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210312991.1 (22)申请日 2022.03.28 (65)同一申请的已公布的文献号 申请公布号 CN 114419081 A (43)申请公布日 2022.04.29 (73)专利权人 南昌工程学院 地址 330099 江西省南昌市高新区天祥大 道289号 (72)发明人 郭波　张渴望　王家辉　 (74)专利代理 机构 北京中济纬天专利代理有限 公司 11429 专利代理师 黄攀 (51)Int.Cl. G06T 7/12(2017.01) G06T 7/181(2017.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 101719 979 A,2010.0 6.02 CN 111311666 A,2020.0 6.19 CN 103530878 A,2014.01.2 2 CN 112734774 A,2021.04.3 0 CN 113191979 A,2021.07.3 0 CN 108665440 A,2018.10.16 CN 111402264 A,2020.07.10 US 2015238148 A1,2015.08.27 任烨仙.面向Po lSAR影像异质区细节保持的 相干斑抑制研究. 《中国优秀硕士学位 论文全文 数据库》 .2021, Xinnan Fan.Vehicle ima ge edge detection using image fusion at pixel level. 《20 08 IEEE Internati onal Conference on Automati on and Logistics》 .20 08, 审查员 董梦林 (54)发明名称 一种图像语义分割方法、 系统及可读存储介 质 (57)摘要 本发明提出一种图像语义分割方法、 系统及 可读存储介质， 该方法包括如下步骤： 获取待训 练图像， 对待训练图像进行特征提取以得到多个 待训练特征区域， 根据多个所述待训练特征区域 以及对应的人工标注标签组成第一数据集； 然后 构建融合神经网络模型， 利用第一数据集对融合 神经网络模型进行训练以得到训练后的融合神 经网络模型； 最后将预测区域图像输入至训练后 的融合神经网络模型中进行预测， 以得到模型预 测结果。 本发 明提升了卷积神经网络对细节轮廓 的提取能力， 提高了分割区域的识别效果。 权利要求书5页 说明书18页 附图6页 CN 114419081 B 2022.06.21 CN 114419081 B 1.一种图像 语义分割方法， 其特 征在于， 所述方法包括如下步骤： 步骤一、 获取待训练图像； 步骤二、 对所述待训练图像进行特征提取以得到多个待训练特征区域， 根据多个所述 待训练特 征区域以及对应的人工标注标签组成第一数据集； 步骤三、 构建融合神经网络模型， 利用所述第一数据集对所述融合神经网络模型进行 训练以得到训练后的融合神经网络模型； 步骤四、 将预测区域图像输入至所述训练后的融合神经网络模型中进行预测， 以得到 模型预测结果； 在所述步骤二中， 对所述待训练图像进行 特征提取的方法包括： 对所述待训练图像进行预处理操作， 其中预处理操作包括灰度变换以及高斯滤波变 换； 对预处理操作后的所述待训练图像， 采用带有动态权值分配机制的边缘提取算子分别 进行边缘提取以得到四张边缘提取图像， 其中所述带有动态权值分配机制的边缘提取算子 包括边缘提取算子Canny、 边缘提取算子Sobel、 边缘提取算子Prewitt以及边缘提取算子 Log； 根据四张所述 边缘提取图像 计算得到灰度均值图像 ； 根据所述灰度均值图像 计算得到每个所述边缘提取图像对应的标准差 以及变 差系数 ； 所述灰度均值图像 表示为： ， 分别表 示四张边 缘提取图像； 所述标准差 表示为：  ，  表示任 一个边缘提取图像， 表示边缘提取图像的行数， 表示边缘提取图像的列数， 表示对边 缘提取图像的图像灰度值进行求和操作； 所述变差系数 表示为：  ， 表示对边缘提取图 像中各像素值 求解得到的像素均值； 在所述步骤二中， 在计算得到了每个所述边缘提取图像的变差系数 之后， 所述方法 还包括：权　利　要　求　书 1/5 页 2 CN 114419081 B 2根据所述变差系数 计算得到中间变差系数 ； 根据所述中间变差系数 进行归一化以得到每个边缘提取算子的权重 ， 并根据每 个边缘提取算子的权 重 计算得到最终权 重参数 ； 其中， 中间变差系数 表示为： 每个边缘提取算子的权 重 表示为： 其中， 为边缘提取算子Canny的权重， 为边缘提取算子Sobel的权重， 为边缘提 取算子Prew itt的权重， 为边缘提取算子L og的权重； 所述最终权重参数 表示为： 其中， 表示边缘提取图像中像素点的位置， ， ，C、 S、 P、 L的数值由边缘提取算子Canny、 边缘提取算子Sobel、 边缘提取算子Prewitt、 边缘提取算 子Log处理边缘提取图片在 处的灰度值决定； 当灰度值大于0时， C、 S、 P、 L的数值 取值均为2； 当灰度值小于 0时，C、 S、 P、 L的数值取值均为1； 在计算得到 了最终权 重参数 之后， 所述方法还 包括： 当判断到所述最终权重 参数 大于等于零， 则确定像素点 为 1； 当判断到所述 最终权重参数 小于零， 则确定像素点 为0； 在完成像素点 的检测判断之后， 对其它每一像素点进行遍历检测判断， 以最 终确定得到图像分辨率 ， 并在 位置的像素点处结束， 以得到所 述待训练特 征区域。 2.根据权利要求1所述的一种图像语义分割方法， 其特征在于， 在所述步骤三中， 所述 融合神经网络模型包括ResNet50神经网络模型以及Mob ileNetV2神经网络模型， 所述方法 还包括如下步骤：权　利　要　求　书 2/5 页 3 CN 114419081 B 3