一种基于信息追溯的高分辨率遥感图像分割系统以及方法技术方案

本发明专利技术公开了一种基于信息追溯的高分辨率遥感图像分割系统以及方法，包括通过光学遥感、雷达采集数据，对采集的数据进行预处理，获取遥感图像；对获取的遥感图像进行标注，获取待分割遥感图像；通过预先获取的数据集对分割模型进行训练，获取训练好的分割模型；根据训练好的分割模型对待分割遥感图像进行分割，获得分割图像；将获取的分割图像进行存储。有益效果：本发明专利技术能够有效对遥感图像进行分割，避免光谱带产生的高纬度特征，能够避免区域边界定位困难的情况，采用本发明专利技术，使用深度学习算法进行遥感图像分割处理，基于无芯片技术，将地理信息标签、遥感卫星数据、年份数据、商品流转情况等信息通过算法加载、预埋到橘子、茶叶等商品上。

【技术实现步骤摘要】
一种基于信息追溯的高分辨率遥感图像分割系统以及方法
本专利技术涉及图像处理
，具体来说，涉及一种基于信息追溯的高分辨率遥感图像分割系统以及方法。
技术介绍
图像分割是计算机视觉研究中的一个经典难题，已经成为图像理解领域关注的一个热点，图像分割是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分，同时也是图像处理中最困难的问题之一。所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。近几十年来，人们提出了各种图像分割方法，包括基于聚类的方法、基于超像素的利用相邻像素的模式相似性分割和基于谱聚类的方法等。但当物体的形状和背景发生变化时，这些传统方法效率低下。近年来，研究人员开发了各种基于卷积神经网络(CNN)的图像分割方法，并证明了其由于传统方法。而图像分割的最新进展不仅在京都上有要求，在分割平滑性方面也提出了更高的要求，尤其是在区域边界定位方面。为了满足这些要求，研究人员倾向于开发更深层次的神经网络，然而这本文档来自技高网...

【技术保护点】
1.一种基于信息追溯的高分辨率遥感图像分割系统方法，其特征在于，包括以下步骤：/n通过光学遥感、雷达采集数据，对采集的数据进行预处理，获取遥感图像；/n对获取的遥感图像进行标注，获取待分割遥感图像；/n通过预先获取的数据集对分割模型进行训练，获取训练好的分割模型；/n根据训练好的分割模型对待分割遥感图像进行分割，获得分割图像；/n将获取的分割图像进行存储。/n

【技术特征摘要】
1.一种基于信息追溯的高分辨率遥感图像分割系统方法，其特征在于，包括以下步骤：
通过光学遥感、雷达采集数据，对采集的数据进行预处理，获取遥感图像；
对获取的遥感图像进行标注，获取待分割遥感图像；
通过预先获取的数据集对分割模型进行训练，获取训练好的分割模型；
根据训练好的分割模型对待分割遥感图像进行分割，获得分割图像；
将获取的分割图像进行存储。


2.根据权利要求1所述的一种基于信息追溯的高分辨率遥感图像分割方法，其特征在于，所述通过光学遥感、雷达采集数据，对采集的数据进行预处理，获取遥感图像包括：
通过光学遥感、雷达采集数据，获得初步图像；
对初步图像进行预处理，通过图像配色同步方法解决颜色失真的问题，通过颜色配准方法解决通过颜色配准方法解决，输出预处理后的图像，获取遥感图像。


3.根据权利要求2所述的一种基于信息追溯的高分辨率遥感图像分割方法，其特征在于，所述对获取的遥感图像进行标注，获取待分割遥感图像包括：
根据正置矩阵框对传统光学图像进行标注；
根据斜框标注对遥感图像进行标注；
将标注的图像输出，获取待分割遥感图像。


4.根据权利要求3所述的一种基于信息追溯的高分辨率遥感图像分割方法，其特征在于，所述采用训练好的分割模型对待分割遥感图像进行分割，获得分割图像包括：
提取特征，为避免训练过程中可能出现的过拟合以及梯度爆炸问题采用ResNet50进行迁移学习；
特征融合，在U-NET和FCN的基础上，结合卷积网络中高维和低维的特征进行融合；
通过3个1*1的卷积层，分别得到置信分数图、矩形框边界信息图以及目标旋转角度图，并将得到的图输出。


5.根据权利要求4所述的一种基于信息追溯的高分辨率遥感图像分割方法，其特征在于，所述分割模型包括RES...

【专利技术属性】
技术研发人员：窦伟，
申请(专利权)人：上海明寰科技有限公司，
类型：发明
国别省市：上海;31