【技术实现步骤摘要】
基于多尺度的遥感影像地物分类方法、系统、装置及介质
本专利技术涉及图像处理
，尤其是基于多尺度的遥感影像地物分类方法、系统、装置及介质。
技术介绍
在航天或航空遥感影像处理中，地物分类与提取是非常重要的一项工作。地物分类的过程通常是这样的：首先，对遥感图像中各类地物的光谱信息和空间信息进行分析；然后，选择合适的能够反映地物光谱和空间信息的图像特征；接下来，在图像中各个像元处提取这些图像特征，并根据特征值判断各个像元的所属地物类别；最后，面向应用需求，对各个像元的分类结果进行综合处理，获得整幅遥感影像的地物分类结果。遥感影像地物分类方法主要包括：基于像元的方法、基于邻域的方法、基于对象的方法等。近年来，随着深度学习技术的快速发展，基于深度卷积神经网络的语义分割技术逐渐被应用于遥感影像地物分类，并获得了大大优于传统方法的处理效果。典型的语义分割模型包括FCN、SegNet、U-Net、Deeplab等。为了训练和使用方便，语义分割模型的输入通常是一幅固定尺寸的原始图像，输出是和该图像大小相同的语义标注图像，...
【技术保护点】
1.基于多尺度的遥感影像地物分类方法，其特征在于，包括：/n基于不同的预设尺度，对获取到的遥感影像进行图像分块，得到初始图像块集合；/n基于预设的语义分割模型，对所述初始图像块集合中的各个尺度下的图像块进行分割，得到不同尺度的分类结果；/n将相同尺度下各个图像块对应的分类结果拼接，得到不同尺度下的初始地物分类结果图集合；/n基于投票策略，将所述不同尺度下的初始地物分类结果图集合进行合并，得到目标地物分类结果图。/n
【技术特征摘要】
1.基于多尺度的遥感影像地物分类方法，其特征在于，包括：
基于不同的预设尺度，对获取到的遥感影像进行图像分块，得到初始图像块集合；
基于预设的语义分割模型，对所述初始图像块集合中的各个尺度下的图像块进行分割，得到不同尺度的分类结果；
将相同尺度下各个图像块对应的分类结果拼接，得到不同尺度下的初始地物分类结果图集合；
基于投票策略，将所述不同尺度下的初始地物分类结果图集合进行合并，得到目标地物分类结果图。
2.根据权利要求1所述的基于多尺度的遥感影像地物分类方法，其特征在于，所述基于不同的预设尺度，对获取到的遥感影像进行图像分块，得到初始图像块集合这一步骤，包括：
获取遥感影像并配置不同尺度；
基于预设的划分顺序，将所述遥感影像按照配置的尺度划分成不同尺度下的图像块，得到初始图像块集合。
3.根据权利要求2所述的基于多尺度的遥感影像地物分类方法，其特征在于，在对获取到的遥感影像进行图像分块的时候，对处于遥感影像边界的图像块，向遥感影像内部移动若干像素距离，使得所述处于遥感影像边界的图像块不超出所述遥感影像边界。
4.根据权利要求1所述的基于多尺度的遥感影像地物分类方法，其特征在于，所述基于预设的语义分割模型，对所述初始图像块集合中的各个尺度下的图像块进行分割，得到不同尺度的分类结果这一步骤，包括：
将等于所述语义分割模型要求的图像尺寸标准的图像块直接输入所述语义分割模型，输出与所述输入的图像块尺寸相同的分类结果；
将小于所述图像尺寸标准的图像块进行放大处理后，再输入所述语义分割模型，将得到的分类结果缩小至与所述放大处理前图像块相同尺寸的大小；
将大于所述图像尺寸标准的图像块进行缩小处理后，再输入所述语义分割模型，将得到的分类结果放大至与所述缩小处理前图像块相同尺寸的大小。
5.根据权利要求1所述的基于多尺度的遥感影像地物分类方法，其特征在于，所述将相同尺度下各个图像块对应的分类结果拼接，得到不同尺度下的初始地物分类结果图集合这一步骤，包括：
按照图像块的排列顺序，将同一尺度下各个图像块对应的分类结果拼接，得到不同尺度下的初始地物分类结果图集合；
若有一个像素对应多个图像块，则计算该像素与所述多个图像块的中心之间的距离，并将距离最近的图像块对应的像素值作为该像素的值。
6.根据权利要求1所述的基于多尺度的遥感影像地物分类方法，其特征在于，所述基于投票策略，将所述不同尺度下的初始地物分类结果图集合进行合并，得到目标地物分类结果图这一步骤，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。