一种基于多尺度特征融合的遥感图像分割方法及系统技术方案

本发明专利技术提供了一种基于多尺度特征融合的遥感图像分割方法及系统。该方案包括对遥感卫星图像进行数据集划分，输出训练数据集、验证数据集、模型测试数据集；获取所述训练数据集中的全部的训练图像，并进行预处理，进而生成样本空间，预处理包括随机翻转、裁剪、高斯模糊和归一化处理；使用样本空间中的图像进行训练和预测，生成目标图像语义分类，并采用Focal Loss损失函数进行多尺度特征融合的遥感图像分割模型修正；将所述多尺度特征融合的遥感图像分割模型打包成可执行文件并保存为分割系统。该方案进行分割预测，并使用Focal Loss损失函数在训练过程中加大困难样本的惩罚力度，提升遥感图像分割精度。提升遥感图像分割精度。提升遥感图像分割精度。

【技术实现步骤摘要】
一种基于多尺度特征融合的遥感图像分割方法及系统


[0001]本专利技术涉及图像处理
，更具体地，涉及一种基于多尺度特征融合的遥感图像分割方法及系统。

技术介绍

[0002]遥感是指利用飞行器携带的传感器对目标进行远距离的勘测，其主要表现形式为远距离成像。随着遥感技术与深度学习技术的不断完善和提高以及硬件设备的不断发展，遥感图像的应用已经与我们的生活息息相关。遥感图像解译广泛应用于地理国情勘测、国土资源调查、城市建设、农业生产与森林防护等领域，它已经逐渐成为人们对地球地面理解的重要方式。而遥感图像语义分割在遥感图像解译中扮演重要角色，是低高层遥感图像处理及分析的重要衔接。若语义分割后得到的遥感图像分割效果精准，就能提高遥感图像解译的可信度。
[0003]但现有的对遥感图像的应用处于可视化解译阶段，自动化程度较低。主要原因是遥感图像语义分割方法的效率不足以支持现有的应用。目前遥感图像语义分割面临的主要困难有：1）遥感图像分辨率逐渐提高，促使蕴含的信息增多，使数据提取越发困难。2）受分割目标类别分布不平衡，不同分割目标边缘易重叠，个别分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度特征融合的遥感图像分割方法，其特征在于，包括：获取遥感卫星图像，对所述遥感卫星图像进行数据集划分，输出训练数据集、验证数据集、模型测试数据集；获取所述训练数据集中的全部的训练图像，并对全部的训练图像进行预处理，预处理生成的图像存储到样本空间，所述预处理包括随机翻转、裁剪、高斯模糊和归一化处理；使用所述样本空间中的图像进行训练和预测，生成目标图像语义分类，并采用Focal Loss损失函数进行多尺度特征融合的遥感图像分割模型修正；将所述多尺度特征融合的遥感图像分割模型打包成可执行文件，并打包所述可执行文件为分割系统。2.如权利要求1所述的一种基于多尺度特征融合的遥感图像分割方法，其特征在于，所述获取遥感卫星图像，对所述遥感卫星图像进行数据集划分，输出训练数据集、验证数据集、模型测试数据集，具体包括：通过遥感拍摄、数据录入和网络查询方式获取所述遥感卫星图像，并保存到初始遥感卫星图像集；对所述初始遥感卫星图像集进行初始筛选，删除图像质量低于预设图像采集裕度的图像，并保存为遥感卫星图像集；对所述遥感卫星图像集进行图像数据统计，获得图像采集张数；当所述图像采集张数超过预设的特征分析门槛值时，在所述遥感卫星图像集中，随机抽取大于所述图像采集张数的60%的整数张图像作为所述训练数据集，并将剩余图像保存到中间数据集；在所述中间数据集中，随机抽取大于所述图像采集张数的10%的整数张图像作为所述验证数据集，并将剩余图像保存到所述模型测试数据集。3.如权利要求1所述的一种基于多尺度特征融合的遥感图像分割方法，其特征在于，所述获取所述训练数据集中的全部的训练图像，并对全部的训练图像进行预处理，预处理生成的图像存储到样本空间，所述预处理包括随机翻转、裁剪、高斯模糊和归一化处理，具体包括：获取所述训练数据集中的全部的训练图像，进行随机角度的翻转，生成预设张数的第一训练图像；获取所述训练数据集中的全部的训练图像，进行随机大小的裁剪，生成预设张数的第二训练图像；获取所述训练数据集中的全部的训练图像，进行随机模糊度的高斯模糊处理，生成预设张数的第三训练图像；将所述第一训练图像、所述第二训练图像、所述第三训练图像和所述训练数据集中的全部训练图像一起保存为初始训练图像集；对所述初始训练图像集中的全部训练图像进行归一化处理，并将归一化处理后的图像保存到所述样本空间。4.如权利要求1所述的一种基于多尺度特征融合的遥感图像分割方法，其特征在于，所述图像语义分类具体包括：城市用地、农业用地、牧场、森林、河流湖泊、荒地、未知区域。5.如权利要求1所述的一种基...

【专利技术属性】
技术研发人员：丁冬睿，申朕，张凯，
申请(专利权)人：广东众聚人工智能科技有限公司，
类型：发明
国别省市：