【技术实现步骤摘要】
基于最优传输的无监督领域自适应遥感图像分割方法
[0001]本专利技术涉及使用最优传输、无监督领域自适应和遥感图像分割。
技术介绍
[0002]随着遥感技术的发展和完善，全球范围内遥感数据不间断地产出。海量遥感数据已经成为人类认知世界的重要信息来源，在环境检测、城市规划、土地分割等众多领域发挥着重要作用。为了有效挖掘海量遥感数据所提供的丰富信息，遥感图像分割已经成为了相关领域研究热点之一。
[0003]近年来，高分辨率遥感卫星的发射使得遥感影像的空间分辨率不断增加，地物空间细节显著提高，为地物精细目标分割提供了可能。高分辨率影像相对中低分辨率遥感影像表现出很多不同的特性：如建筑物、道路、植被等地物类别具有明显的几何纹理特征；成像光谱波段变少，“同物异谱”、“同谱异物”现象大量发生。
[0004]由于遥感图像采集时的物理条件(如光照、大气、传感器参数等)不可能完全相同，因而不同区域或同一场景上不同时刻获得的图像都会存在一定的差异性，即同一地物类别在同一语义场景中底层特征变化明显。不同的数据特征反映了不同的概率分...
【技术保护点】
【技术特征摘要】
1.一种基于最优传输的无监督领域自适应遥感图像分割方法，其特征在于：至少包括以下步骤：步骤一：提出一种遥感图像分割准确性权重计算方法，先将已标记的源域样本和未标记的目标域样本输入由源域训练的分割网络，得到源域前景区域特征以及后景区域特征，并计算类中心，利用目标样本前景区域特征与求得其所属类别的类中心进行比较，计算目标样本图像的前景区域被正确分割的概率，进而得到引导用于分割的遥感图像样本最优传输的分割准确性权重；步骤二：基于步骤一中提出的遥感图像分割准确性权重计算方法进行遥感图像最优样本子集选择，先将最优传输的代价矩阵变为原代价矩阵与分割准确性权重的乘积，使其变为分割准确性加权最优传输，再将源域和目标域样本集合进行以分割准确性为权重引导的加权最优传输，得到最优的耦合矩阵，根据耦合矩阵性质分析其值，选择出适用于遥感图像分割样本的最优样本子集；步骤三：对步骤二获得的遥感图像最优样本子集，进行最优传输特征选择，首先利用预训练的全卷积网络作为特征提取器，提取步骤二所选最优样本子集的特征，再将最优样本子集的特征分布进行离散化，并利用熵正则化最优传输将源特征分布传输到目标特征分布，得到特征传输最优耦合矩阵，通过分析比较两个域相同特征的相似性得到特征相似性降序列表，进而选择出两个域的域不变特征；步骤四：对步骤三获得的遥感图像特征选择结果，进行无监督领域自适应图像分割，从步骤三中全卷积网络下采样输出的高维特征排序后得到的列表，选择其前d
*
个特征，将选择后的低维特征输入到该分割网络的上采样部分，确定能同时执行图像分割和领域自适应任务的全局损失函数，获得无监督领域自适应遥感图像分割模型，对遥感图像进行图像分割。2.根据权利要求1所述的一种基于最优传输的无监督领域自适应遥感图像分割方法，其特征在于：步骤一中提出遥感图像分割准确性权重计算方法，先用已标记的源域样本训练U
‑
net遥感图像分割网络，再将源域样本和目标域样本输入，从中提取源域以及目标域的特征图，利用针对遥...
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。