一种遥感影像中矿区自动语义分割方法技术

本发明专利技术公开了目标自动检测和深度学习技术领域的一种遥感影像中矿区自动语义分割方法，其特征在于：所述具体步骤如下：步骤一、建立训练样本集：获取矿区的遥感影像，并人工勾绘出矿区的边界，形成边界栅格文件，利用ArcGIS生成448*448、512*512两种尺度的渔网，采用生成的两种所述渔网对所述矿区的遥感影像进行批量裁剪，生成不同尺寸的影像块，作为深度学习网络的输入数据，通过所述渔网对影像中的矿区栅格边界文件进行裁剪，生成每个矿区影像块对应的边界文件，作为网络的标签数据；本发明专利技术通过混合网络Den‑Res Net在保留特征完整性的同时能够对提取的特征进行高度抽象，可以采用其解决Dense Net网络的特征冗余问题，工作效率高，能够自动的进行语义分隔，准确度高。

【技术实现步骤摘要】
一种遥感影像中矿区自动语义分割方法
本专利技术涉及目标自动检测和深度学习
，具体涉及一种遥感影像中矿区自动语义分割方法。
技术介绍
对某地多源、多时相遥感影像进行矿区目标语义分割，可快速直观地检测其时空变化，有利于分析采矿区时空变化特征，可为矿产资源的可持续性开发提供了及时的、客观的、准确的技术支持和详细科学资料，同时也为矿业城市的治理和转型以及“绿色城市”的规划和建设提供科学的依据。因此，影像矿区目标语义分割具有重要的意义。目前主要有目视解译、基于像元以及面向对象等遥感影像目标语义分割方法。目视解译方法工作效率低，需要解译人员具有一定的专业知识，且主观性较强，基于像元的目标语义分割和面向对象的目标语义分割方法难以适应海量数据，其所依赖的特征表达是通过人工设计的，非常耗时，并且强烈依赖于专业知识和数据本身的特征，很难从海量的数据中学习出一个有效的分类器以充分挖掘数据之间的关联。基于此，本专利技术设计了一种遥感影像中矿区自动语义分割方法，以解决上述问题。
技术实现思路
本专利技术的目的在于提供一种遥感影像中矿区自动语义分割方法，以解决上述
技术介绍
中提出的现有方法效率低的问题。为实现上述目的，本专利技术提供如下技术方案：一种遥感影像中矿区自动语义分割方法，其特征在于：所述具体步骤如下：步骤一、建立训练样本集(1)获取矿区的遥感影像，并人工勾绘出矿区的边界，形成边界栅格文件；(2)利用ArcGIS生成448*448、512*512两种尺度的渔网；(3)采用生成的两种所述渔网对所述矿区的遥感影像进行批量裁剪，生成不同尺寸的影像块，作为深度学习网络的输入数据；(4)通过所述渔网对影像中的矿区栅格边界文件进行裁剪，生成每个矿区影像块对应的边界文件，作为网络的标签数据；步骤二、矿区分割构建模型构建结合DenseNet网络和ResNet网络两种网络相结合的混合网络Den-ResNet；所述Den-ResNet主要包括输入层Input、卷积层、由两个以上卷积层组成的Dense层、窗口大小为2×2的均值池化层、跳跃残差连接层，特征叠加层、特征上采样层以及二分类层；步骤三、矿区分割模型训练随机从所述步骤一构建的样本集中抽取80％的数据作为训练集；将所述训练集中的矿区遥感影像块作为所述步骤二构建网络的输入数据，经过网络的所述卷积层、Dense层、均值池化层、跳跃残差连接层的降采样后，得到矿区影像高度抽象的特征层，然后经过上采样以及所述Dense层、跳跃残差连接层、soft-max层后得到输出结果，将结果与所述训练集中的标签数据组成交叉熵并结合误差后向传播机制调整网络的权值，重复进行训练并结合剩下20％数据进行交叉训练直至网络收敛，得到最优的深度学习网络；步骤四、待识别影像分割将待进行语义分割的所述矿区的遥感影像输入训练好的网络，得到语义分割的结果。优选的，所述卷积层的卷积核大小为7×7，步长为2。优选的，所述卷积层卷积过程中加入类似于ResNet的skipconnection。优选的，所述Dense层采用卷积核大小为3×3的卷积层构成。优选的，所述特征上采样层采用3×3卷积核，与卷积过程相反。优选的，所述特征上采样层后将得到的图像与降采样中池化后的特征图进行叠加后进行Dense层的卷积。与现有技术相比，本专利技术的有益效果是：本专利技术通过混合网络Den-ResNet在保留特征完整性的同时能够对提取的特征进行高度抽象，可以采用其解决DenseNet网络的特征冗余问题，工作效率高，能够自动的进行语义分隔，准确度高。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术遥感影像矿区语义分割的流程图。图2为图像卷积。图3为遥感影像矿区语义分割的Den-ResNet网络图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。请参阅图1-3，本专利技术提供一种技术方案：一种遥感影像中矿区自动语义分割方法，所述具体步骤如下：步骤一、建立训练样本集(1)获取矿区的遥感影像，并人工勾绘出矿区的边界，形成边界栅格文件；(2)利用ArcGIS生成448*448、512*512两种尺度的渔网；(3)采用生成的两种所述渔网对所述矿区的遥感影像进行批量裁剪，生成不同尺寸的影像块，作为深度学习网络的输入数据；(4)通过所述渔网对影像中的矿区栅格边界文件进行裁剪，生成每个矿区影像块对应的边界文件，作为网络的标签数据；步骤二、矿区分割构建模型构建结合DenseNet网络和ResNet网络两种网络相结合的混合网络Den-ResNet；所述Den-ResNet主要包括输入层Input、卷积层、由两个以上卷积层组成的Dense层、窗口大小为2×2的均值池化层、跳跃残差连接层，特征叠加层、特征上采样层以及二分类层；步骤三、矿区分割模型训练随机从所述步骤一构建的样本集中抽取80％的数据作为训练集；将所述训练集中的矿区遥感影像块作为所述步骤二构建网络的输入数据，经过网络的所述卷积层、Dense层、均值池化层、跳跃残差连接层的降采样后，得到矿区影像高度抽象的特征层，然后经过上采样以及所述Dense层、跳跃残差连接层、soft-max层后得到输出结果，将结果与所述训练集中的标签数据组成交叉熵并结合误差后向传播机制调整网络的权值，重复进行训练并结合剩下20％数据进行交叉训练直至网络收敛，得到最优的深度学习网络；步骤四、待识别影像分割将待进行语义分割的所述矿区的遥感影像输入训练好的网络，得到语义分割的结果。其中，卷积层的卷积核大小为7×7，步长为2，方便更好地提取其特征，得到的特征图像尺寸为原图像尺寸的1/2，卷积层卷积过程中加入类似于ResNet的skipconnection，一方面对图像进行了高度抽象，另一方面，可以避免卷积层过多引起的梯度弥散现象，Dense层采用卷积核大小为3×3的卷积层构成，对提取的特征进行了很好的复用，特征上采样层采用3×3卷积核，与卷积过程相反，特征上采样层后将得到的图像与降采样中池化后的特征图进行叠加后进行Dense层的卷积，特征图的叠加主要是为了利用图像的低层特征，而Dense层能对上采样后的图像进行特征更好提取的同时复用低层特征。本实施例的一个具体应用为：1：影像训练集制作(1)搜集矿区遥感影像，并对影像中的矿区边界进行人工标注，形成矿区边界栅格文件；(2)采用ArcGIS生成448*448、512*512两种尺度的渔网；(3)采用(2)生产的渔网文件对矿区影像及对应的边界文件进行批量裁剪，并一一对应；(4)为了增加样本的多样性，将(3)一一对应的影像及对应矿区边界图像对同时进行旋转，大小调整等操作，得到训练图片以及对应的标签。并将训练图片表示为x1、x2、…、xn，对应的标签表示为y1、y2、…、yn。2：网络模型训练已有的DenseNet本文档来自技高网...

【技术保护点】
1.一种遥感影像中矿区自动语义分割方法，其特征在于：所述具体步骤如下：步骤一、建立训练样本集(1)获取矿区的遥感影像，并人工勾绘出矿区的边界，形成边界栅格文件；(2)利用ArcGIS生成448*448、512*512两种尺度的渔网；(3)采用生成的两种所述渔网对所述矿区的遥感影像进行批量裁剪，生成不同尺寸的影像块，作为深度学习网络的输入数据；(4)通过所述渔网对影像中的矿区栅格边界文件进行裁剪，生成每个矿区影像块对应的边界文件，作为网络的标签数据；步骤二、矿区分割构建模型构建结合Dense Net网络和Res Net网络两种网络相结合的混合网络Den‑Res Net；所述Den‑ResNet主要包括输入层Input、卷积层、由两个以上卷积层组成的Dense层、窗口大小为2×2的均值池化层、跳跃残差连接层，特征叠加层、特征上采样层以及二分类层；步骤三、矿区分割模型训练随机从所述步骤一构建的样本集中抽取80％的数据作为训练集；将所述训练集中的矿区遥感影像块作为所述步骤二构建网络的输入数据，经过网络的所述卷积层、Dense层、均值池化层、跳跃残差连接层的降采样后，得到矿区影像高度抽象的特征层，然后经过上采样以及所述Dense层、跳跃残差连接层、soft‑max层后得到输出结果，将结果与所述训练集中的标签数据组成交叉熵并结合误差后向传播机制调整网络的权值，重复进行训练并结合剩下20％数据进行交叉训练直至网络收敛，得到最优的深度学习网络；步骤四、待识别影像分割将待进行语义分割的所述矿区的遥感影像输入训练好的网络，得到语义分割的结果。...

【技术特征摘要】
1.一种遥感影像中矿区自动语义分割方法，其特征在于：所述具体步骤如下：步骤一、建立训练样本集(1)获取矿区的遥感影像，并人工勾绘出矿区的边界，形成边界栅格文件；(2)利用ArcGIS生成448*448、512*512两种尺度的渔网；(3)采用生成的两种所述渔网对所述矿区的遥感影像进行批量裁剪，生成不同尺寸的影像块，作为深度学习网络的输入数据；(4)通过所述渔网对影像中的矿区栅格边界文件进行裁剪，生成每个矿区影像块对应的边界文件，作为网络的标签数据；步骤二、矿区分割构建模型构建结合DenseNet网络和ResNet网络两种网络相结合的混合网络Den-ResNet；所述Den-ResNet主要包括输入层Input、卷积层、由两个以上卷积层组成的Dense层、窗口大小为2×2的均值池化层、跳跃残差连接层，特征叠加层、特征上采样层以及二分类层；步骤三、矿区分割模型训练随机从所述步骤一构建的样本集中抽取80％的数据作为训练集；将所述训练集中的矿区遥感影像块作为所述步骤二构建网络的输入数据，经过网络的所述卷积层、Dense层、均值池化层、跳跃残差连接层的降采样后，得到矿区影像高度抽象的特征层，然后经...

【专利技术属性】
技术研发人员：吴艳兰，杨辉，殷志祥，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34