【技术实现步骤摘要】
一种提高遥感影像语义分割精度的方法
[0001]本专利技术涉及遥感影像处理
，具体为一种提高遥感影像语义分割精度的方法。
技术介绍
[0002]遥感影像一般较大，对遥感影像进行处理通常会受计算机内存的限制，需要先将大幅影像裁剪成小幅影像后才能便于深度学习网络进行计算处理；这就使得一方面在对小幅影像前向推理预测时，由于小幅影像信息破碎造成推理预测结果不准确且处理得到的图像精度低，另一方面在拼接回大幅影像的时候，如果同一地物存在多种错误结果就会形成明显的拼接痕迹。
[0003]现有研究中为改善这上述状况，根源性的采用多模型结果融合的方式，即训练多个模型，对多个模型的预测结果进行处理，使得多模型辅助尽可能提高精度；但是，这种方法需要前期做好模型储备，且出现精度不尽人意的时候往往需要改变训练策略或者更换模型，任务繁重；而且这种方法对于既定模型提出了遥感影像忽略边缘的拼接，认为只有每幅影像的中心结果精度高，故只单纯抠取单张图的中心区域作为预测结果，不考虑边缘且无其他辅助信息；在这种方法中步骤操作起来简单，但是却并未指出怎...
【技术保护点】
【技术特征摘要】
1.一种提高遥感影像语义分割精度的方法，其特征在于，所述方法包括：步骤S100：将采集到的遥感影像输入到既定的遥感影像地物分类深度学习模型中得到概率值输出结果，所述概率值输出结果如矩阵[fh，fw，C]；其中，fh表示遥感影像高上的像素个数；fw表示遥感影像宽上的像素个数；C表示通道数，即对所述遥感影像预测的地物类别数，C表示大于等于2的整数；步骤S200：基于在所述步骤S100中得到的遥感影像的概率值输出结果对待验证遥感影像逐次进行第一裁剪步长sh和第二裁剪步长sw的选取；步骤S300：基于在所述步骤S200中依次选取得到的若干个第一裁剪步长sh和若干个第二裁剪步长sw对待验证遥感影像进行图像裁剪得到若干张小图像；在裁剪过程中记录每张小图像在所述待验证遥感影像上的起始坐标；所述每张小图像的起始坐标的坐标值x和y分别对应为每张小图像的行列号；步骤S400：将所述若干张小图像输入到所述步骤S100中既定的遥感影像地物分类深度学习模型内，得到每一张小图像的概率值输出结果，将所述每一张小图像的概率值输出结果以float32的形式存储到二进制文件中；步骤S500：加载所述步骤S400中的二进制文件，以float32的形式读取，恢复成形状如所述步骤S100中的矩阵[fh，fw，C]；其中，fh表示小图像高上的像素个数为fh，fw表示宽上的像素个数为fw；C表示通道数，即对所述小图像预测的地物类别数为C；将所述每张小图像的概率值输出结果进行拼接生成输出值拼接图；步骤S600：基于所述输出值拼接图得到所述待验证遥感影像的类别；将所述步骤S100中得到的概率值输出结果与所述输出值拼接图进行精度iou、精度acc的计算。2.根据权利要求1所述的一种提高遥感影像语义分割精度的方法，其特征在于，所述步骤S200包括：步骤S201：设所述待验证遥感影像的高为H个像素，宽为W个像素；所述待验证遥感影像的分辨率为H*W；基于所述遥感影像的分辨率fh*fw对第一裁剪步长sh和第二裁剪步长sw进行设置；步骤S202：将所述第一裁剪步长sh按照类似二分法的方式在fh/16、fh/8、fh/4、fh/2、fh*3/4、fh*1中依次进行数值选取；且所述第一裁剪步长sh需满足1≤sh≤fh；且所述第一裁剪步长sh为正整数；步骤S203：将所述第二裁剪步长sw按照类似二分法的方式在fw/16、fw/8、fw/4、fw/2、fw*3/4、fw*1中依次进行数值选取；且所述第二裁剪步长sw需满足1≤sw≤fw；且所述第二裁剪步长sw为正整数。3.根据权利要求1所述的一种提高遥感影像语义分割精度的方法，其特征在于，所述步骤S300包括：步骤S301：对所述待验证遥感影像以依次选取的所述第一裁剪步长sh进行逐行裁剪，得到横向上的裁剪数...
【专利技术属性】
技术研发人员：刘芳，顾行发，刘向东，黄祥志，王珂，陈海楠，王梦颖，
申请(专利权)人：江苏天汇空间信息研究院有限公司，
类型：发明
国别省市：
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。