遥感卫星影像的区域提取方法、装置、电子设备和介质制造方法及图纸

本申请涉及计算机技术领域，尤其涉及人工智能技术领域，提供一种遥感卫星影像的区域提取方法、装置、电子设备和介质，用以提高遥感卫星影像中目标区域提取的准确性和精度。其中，方法包括：提取待测区域的遥感卫星影像中的待测图像；对待测图像进行编码得到编码特征图；采用不同的感受野对编码特征图进行解析，获取不同的目标特征图；基于各个目标特征图进行特征融合，根据融合结果预测待测图像中各像素的类别信息；基于各像素的类别信息提取待测图像中的目标区域。本申请采用不同的感受野对编码特征图进行解析，将难于细节信息进行弱化，忽略过于细节的特征部分，可有效提升遥感卫星影像中目标区域提取准确性和精度，基于此制作的地图更加准确。地图更加准确。地图更加准确。

【技术实现步骤摘要】
遥感卫星影像的区域提取方法、装置、电子设备和介质


[0001]本申请涉及计算机
，尤其涉及人工智能
，提供一种遥感卫星影像的区域提取方法、装置、电子设备和介质。

技术介绍

[0002]当前对于遥感卫星影像中相关场景，例如建筑物、绿地、水系的特征提取主要基于深度学习技术中的语义分割技术。以绿地区域提取场景为例，在该场景中，由于绿地、空地、道路、建筑物等底图之间互相独立但又相互关联，若存在多个类别的学习，例如绿地提取中，会对两个类目进行分类：绿地和空地，会出现边界出现混淆过多的情况；另外，提取到的边界不够平滑，整体比较细碎，达不到期望的边缘平滑，个体完整的效果。也就是说，相关技术中的语义分割技术在特征提取的准确性和精度方面都比较低。
[0003]另外，遥感卫星影像的城市绿地区域等目标区域的特征提取是当前地图背景制作中需要自动化或者半自动化解决的问题。因而如何在遥感卫星上提取出正确而又简洁的目标区域是当前特征提取需要解决问题。

技术实现思路

[0004]本申请实施例提供一种遥感卫星影像的区域提取方法、装置、电子设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感卫星影像的区域提取方法，其特征在于，该方法包括：获取待测区域的遥感卫星影像，提取所述遥感卫星影像中的待测图像；对所述待测图像进行编码得到编码特征图；通过采用不同的感受野对所述编码特征图进行解析，获取不同的目标特征图；基于各个目标特征图进行特征融合，根据融合结果预测得到所述待测图像中各像素的类别信息；基于所述各像素的类别信息提取所述待测图像中的目标区域。2.如权利要求1所述的方法，其特征在于，所述对所述待测图像进行编码得到编码特征图，具体包括：将所述待测图像输入已训练的区域提取网络模型，基于所述区域提取网络模型中的编码部分对所述待测图像进行编码得到编码特征图；以及所述通过采用不同的感受野对所述编码特征图进行解析，获取不同的目标特征图；基于各个目标特征图进行特征融合，根据融合结果预测得到所述待测图像中各像素的类别信息，具体包括：将所述编码特征图输入所述区域提取网络模型中的解码部分，基于所述解码部分中不同的感受野对所述编码特征图进行解析，获取不同的目标特征图；基于各个目标特征图进行特征融合，根据融合结果预测得到所述待测图像中各像素的类别信息；其中，所述已训练的区域提取网络模型是根据已标类别标签的训练样本数据集训练得到的，所述训练样本数据集中的训练样本包括基于样本遥感卫星影像提取到的样本图像。3.如权利要求2所述的方法，其特征在于，所述解码部分包括解码子网络，以及至少两个扫描子网络；其中，所述解码子网络用于对所述编码特征图进行解码，将所述编码特征图中的特征还原到像素级，得到像素级特征图；所述扫描子网络对所述像素级特征图进行特征提取，得到目标特征图，基于不同的扫描子网络进行特征提取时所采用的卷积核不同，不同的卷积核对应不同的感受野。4.如权利要求3所述的方法，其特征在于，所述将所述编码特征图输入所述区域提取网络模型中的解码部分，基于所述解码部分中不同的感受野对所述编码特征图进行解析，获取不同的目标特征图，具体包括：将所述编码特征图输入所述解码部分中的解码子网络，通过所述解码子网络对所述编码特征图进行解码，将所述编码特征图中的特征还原到像素级，得到像素级特征图；分别通过不同的扫描子网络对所述像素级特征图进行特征提取，得到各个目标特征图；所述基于各个目标特征图进行特征融合，根据融合结果预测得到所述待测图像中各像素的类别信息，具体包括：将基于不同的扫描子网络提取到的目标特征图经过卷积层进行拼接，得到目标拼接特征图；对所述目标拼接特征图进行卷积和归一化处理后，得到第一类别特征图；将所述第一类别特征图进行上采样得到第二类别特征图，所述第二类别特征图的尺寸与所述待测图像的尺寸相同，所述第二类别特征图中各像素的像素值表示像素的类别信息。
5.如权利要求4所述的方法，其特征在于，所述编码特征图包括以及初级编码特征图，中级编码特征图和终级编码特征图，其中所述初级编码特征图是对所述待测图像进行至少一次编码得到的，所述初级编码特征图的尺寸小于所述待测图像的尺寸，所述中级编码特征图是对所述初级编码特征图进一步编码得到的，所述中级编码特征图的尺寸小于所述初级编码特征图，所述终级编码特征图是对所述中级编码特征图进行滤波得到的，所述终级编码特征图的尺寸与所述中级编码特征图的尺寸相同；以及所述将所述编码特征图输入所述解码部分中的解码子网络，通过所述解码子网络对所述编码特征图进行解码，将所述编码特征图中的特征还原到像素级，得到像素级特征图，具体包括：将所述终级编码特征图输入所述解码部分中的解码子网络，经由所述解码子网络对所述终级编码特征图进行卷积和归一化处理，得到终级解码特征图；以及将所述中级编码特征图输入所述解码部分中的解码子网络，经由所述解码子网络对所述中级编码特征图进行卷积和归一化处理，得到中级解码特征图，所述中级解码特征图的尺寸与所述终级解码特征图的尺寸相同；经由所述解码子网络中的卷积层对所述中级编码特征图与所述终级编码特征图进行拼接，得到第一拼接特征图；对所述第一拼接特征图进行卷积和归一化处理，得到第一解码特征图；将所述第一解码特征图进行上采样得到第二解码特征图，所述第二解码特征图的尺寸与初级编码特征图的尺寸相同；以及将所述初级编码特征图输入所述解码部分中的解码子网络，经由所述解码子网络对所述初级编码特征图进行卷积和归一化处理，得到初级解码特征图，其中所述初级解码特征图与所述初级编码特征图的尺寸相同；经由所述解码子网络中的卷积层对所述初级解码特征图和所述第二解码特征图进行拼接得到第二拼接特征图；将所述第二拼接特征图进行卷积和归一化处理，得到所述像素级特征图，所述像素级特征图的尺寸与所述初级编码特征图的尺寸相同。6.如权利要求4所述的方法，其特征在于，所述扫描子网络包括：抽象特征提取层，细节特征提取层，特征融合层和目标特征提取层；所述分别通过不同的扫描子网络对所述像素级特征图进行特征提取，得到各个目标特征图时，对于每一个扫描子网络，具体包括：基于所述扫描子网络中的抽象特征提取层对输入所述扫描子网络的像素级特征图进行降采样后，再进行上采样，得到抽象特征图，所述抽象特征图的尺寸与所述像素级特征图的尺寸相同；基于所述扫描子网络中的细节特征提取层对输入所述扫描子网络的像素级特征图进行特征提取，得到细节特征图，所述细节特征图的尺寸与所述像素级特征图的尺寸相同；基于特征融合层对所述抽象特征图和所述细节特征图进行拼接，得到特征融合图；基于目标特征提取层对所述特征融合图进行特征提取，得到目标特征图。7.如权利要求2～6中任一项所述的方法，其特征在于，所述区域提取网络模型是通过下列方式训练得到的：
从样本遥感卫星影像中获取训练样本数据集；根据所述训练样本数据集中的训练样本，对未训练的区域提取网络模型执行多轮...

【专利技术属性】
技术研发人员：刘晓，梅树起，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：