基于超像素的遥感影像地物分类方法、系统、装置及介质制造方法及图纸

本发明专利技术公开了基于超像素的遥感影像地物分类方法、系统、装置及介质，方法包括：对获取到的遥感影像进行图像分块，得到第一图像块集合；基于预设的语义分割模型，将所述第一图像块集合进行语义分割，得到语义分割结果；对所述第一图像块集合进行超像素分割，得到超像素分割结果；根据所述超像素分割结果，对所述语义分割结果进行边缘修剪，得到第二图像块集合；将所述第二图像块集合进行图像块拼接，得到地物分类结果图。本发明专利技术能够消除相邻图像块之间的不连续直线型接缝，实用性高，可广泛应用于图像处理技术领域。

【技术实现步骤摘要】
基于超像素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
，尤其是基于超像素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，在该图像的每个像元处本文档来自技高网...

【技术保护点】
1.基于超像素的遥感影像地物分类方法，其特征在于，包括：/n对获取到的遥感影像进行图像分块，得到第一图像块集合；/n基于预设的语义分割模型，将所述第一图像块集合进行语义分割，得到语义分割结果；/n对所述第一图像块集合进行超像素分割，得到超像素分割结果；/n根据所述超像素分割结果，对所述语义分割结果进行边缘修剪，得到第二图像块集合；/n将所述第二图像块集合进行图像块拼接，得到地物分类结果图。/n

【技术特征摘要】
1.基于超像素的遥感影像地物分类方法，其特征在于，包括：
对获取到的遥感影像进行图像分块，得到第一图像块集合；
基于预设的语义分割模型，将所述第一图像块集合进行语义分割，得到语义分割结果；
对所述第一图像块集合进行超像素分割，得到超像素分割结果；
根据所述超像素分割结果，对所述语义分割结果进行边缘修剪，得到第二图像块集合；
将所述第二图像块集合进行图像块拼接，得到地物分类结果图。


2.根据权利要求1所述的基于超像素的遥感影像地物分类方法，其特征在于，所述对获取到的遥感影像进行图像分块，得到第一图像块集合这一步骤，包括：
获取遥感影像；
基于预设的分块顺序和预设的分块尺度，将所述遥感影像进行分块处理，得到第一图像块集合，所述第一图像块集合中包含多个相同尺度的图像块；
其中，任意两个相邻图像块之间在横向和纵向上均保持预设比例的重叠。


3.根据权利要求2所述的基于超像素的遥感影像地物分类方法，其特征在于，
所述语义分割结果中各个图像块的尺度等于所述分块尺度：
所述语义分割结果中各个图像块包含地物分类信息。


4.根据权利要求3所述的基于超像素的遥感影像地物分类方法，其特征在于，
所述超像素分割结果中各个图像块的尺度等于所述分块尺度；
所述超像素分割结果中各个图像块不包含地物分类信息。


5.根据权利要求1所述的基于超像素的遥感影像地物分类方法，其特征在于，所述根据所述超像素分割结果，对所述语义分割结果进行边缘修剪，得到第二图像块集合这一步骤，包括：
根据所述语义分割结果中的每个图像块，确定待修剪超像素；其中，所述待修剪超像素与所述语义分割结果中的一个图像块边缘之间的距离小于30像素距离；
对于所述语义分割结果中位于遥感影像边界位置的图像块，不做修剪处理。


6.根据权利...

【专利技术属性】
技术研发人员：张鹏，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44