【技术实现步骤摘要】
遥感图像地物语义分割方法
本专利技术属于遥感图像语义分割
,特别是涉及一种基于深度神经网络的遥感图像地物语义分割方法。
技术介绍
遥感技术的发展推动遥感图像数据爆发式增长,并呈现出更高分辨率、更大幅宽的趋势。所谓遥感,是从远距离感知目标物,也即从远距离探测目标物的物性。“遥”具有空间概念,从近地空间,外层空间乃至宇宙空间来获取目标物的空间信息。“感”系指信息系统,包括信息获取和传输、信息加工处理、信息分析和可视化系统等。遥感(Remote),是从远处探测、感知物体或事物的技术。即不直接接触物体本身,从远处通过各种传感器探测和接收来自目标物体的信息,经过信息的传输及其处理分析,来识别物体的属性及其分布等特征的综合技术。狭义遥感是指不与目标物接触,从远处用探测器接收来自目标物的电磁波信息,通过对信息的处理和分析研究,确定目标的属性及目标物的相互间的关系。语义分割网络在自然场景图像中展现了强大的特征提取能力。遥感所收集的信息是由目标物反射或发射的电磁波信息。遥感之所以能够根据收集到电磁波信息来解析地面目标物和现象,是由于不同的物体种类及其所处环境具有完全不同的电磁波的反射或发射辐射的特性。遥感卫星为卫星遥感活动的主体,包括气象卫星、资源卫星、海洋卫星和雷达卫星,统称为环境卫星系列。语义分割网络在自然场景图像中展现了强大的特征提取能力。卫星遥感图像反映地物目标电磁辐射特性的空间分布状况,广泛应用于环境监测、城市建设等领域。卫星遥感图像区别于普通三通道图像(RGB图像),它含有包含丰富的地物信息和光谱信息,处理过程复杂, ...
【技术保护点】
1.一种遥感图像地物语义分割方法,包括步骤:下载卫星遥感影像数据,对影像数据中的地物类别进行像素级标注,将多通道的遥感影像直接作为神经网络的输入,以金字塔场景解析网络PSPNet为主干网络挖掘遥感影像空间信息,并以[l1]通道注意力模块FC-Attention为辅助结构,挖掘遥感影像通道信息的语义分割网络模型,把具备较强图像特征挖掘能力的网络模型从相关领域中迁移至语义分割网络模型,作为主干网BackBone的知识结构;用金字塔场景解析模块提取不同空间尺度的空间特征,挖掘遥感影像的空间信息,通道注意力模块FC-Attention辅助结构从通道维度进一步挖掘遥感影像所包含的通道[l2]信息;然后采用数据相关型的上采样模块DUpSample,对不同空间尺度融合后的特征图上采样至原始特征图大小,并与原始特征图进行拼接,用针对性更强的损失函数Lovasz Loss优化网络模型,利用反向传播,在每一个小批量梯度下降训练时更新各模块的权值,使用标注后的训练数据,对上述语义分割网络模型进行优化训练;通过辅助损失函数构建损失函数塔,共同对语义分割网络模型进行优化,有效地降低梯度消失和梯度爆炸风险后,使用 ...
【技术特征摘要】
1.一种遥感图像地物语义分割方法,包括步骤:下载卫星遥感影像数据,对影像数据中的地物类别进行像素级标注,将多通道的遥感影像直接作为神经网络的输入,以金字塔场景解析网络PSPNet为主干网络挖掘遥感影像空间信息,并以[l1]通道注意力模块FC-Attention为辅助结构,挖掘遥感影像通道信息的语义分割网络模型,把具备较强图像特征挖掘能力的网络模型从相关领域中迁移至语义分割网络模型,作为主干网BackBone的知识结构;用金字塔场景解析模块提取不同空间尺度的空间特征,挖掘遥感影像的空间信息,通道注意力模块FC-Attention辅助结构从通道维度进一步挖掘遥感影像所包含的通道[l2]信息;然后采用数据相关型的上采样模块DUpSample,对不同空间尺度融合后的特征图上采样至原始特征图大小,并与原始特征图进行拼接,用针对性更强的损失函数LovaszLoss优化网络模型,利用反向传播,在每一个小批量梯度下降训练时更新各模块的权值,使用标注后的训练数据,对上述语义分割网络模型进行优化训练;通过辅助损失函数构建损失函数塔,共同对语义分割网络模型进行优化,有效地降低梯度消失和梯度爆炸风险后,使用标注后的训练数据训练网络模型,将测试集数据输入优化后的语义分割网络模型,识别影像中的不同地物,验证模型效果。
2.如权利要求1所述的遥感图像地物语义分割方法,其特征在于:数据相关型上采样模块DUpSample将H*W*C的特征上采样到2H*2W*C,其中,H,W,C分别代表图像的长、宽和通道数。
3.如权利要求2所述的遥感图像地物语义分割方法,其特征在:数据相关型上采样模块利用语义分割的标签空间中的冗余,在上采样层中,将卷积神经网络CNN的低分辨率输出恢复到原始图像像素相同的样子。
4.如权利要求1所述的遥感图像地物语义分割方法,其特征在于:语义分割网络模型的分割结果表示为是由几个上采样组成的解码器的输出,表示人工标注掩码图的Y∈[0,1,2,...,C]H×W为解码器对应的输入图像,并且Y∈[0,1]H×W×C,F通常比Y小16或32倍,需将上采样F至与Y同样的尺寸,计算损失函数。其中,C表示分割的类别,表示终输出的通道数,表示矩阵中的值均为实值,H和W表示掩码图的长和宽,和表示语义分割结果的长和宽。
5.如权利要求1所述的遥感图像地物语义分割方法,其特征在于:数据相关型上采样模块给定表示上采样率的r=OutStride,将人工标注的掩码图Y分为Y分为个r*r的网格形式,将人工标注的掩码...
【专利技术属性】
技术研发人员:庄旭,袁鑫,贾莹,尹可鑫,张乾君,
申请(专利权)人:西南电子技术研究所中国电子科技集团公司第十研究所,
类型:发明
国别省市:四川;51
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。