遥感图像居民地要素提取方法和装置及设备制造方法及图纸

本申请涉及一种遥感图像居民地要素提取方法和装置及设备，其中方法包括：获取要处理的遥感图像；对遥感图像进行边缘特征提取得到边缘特征图；对遥感图像进行语义分割得到语义特征图；将边缘特征图与语义特征图进行拼接组合，得到遥感图像的要素提取结果。通过对遥感图像进行边缘特征提取，然后将提取出的图像边缘特征与遥感图像的语义特征进行融合，增强对图像特征的利用度，从而能够提取更为准确完整的居民地轮廓，并且对背景地物具有更强的抗干扰性，最终有效提高了遥感图像居民地要素提取的精度。的精度。的精度。

【技术实现步骤摘要】
遥感图像居民地要素提取方法和装置及设备


[0001]本申请涉及遥感图像处理
，尤其涉及一种遥感图像居民地要素提取方法和装置及设备。

技术介绍

[0002]遥感图像语义分割的本质是对遥感图像中的居民地、道路、水系、植被等地物要素进行像素级分类预测。目前，对于遥感图像语义分割通常是基于深度学习的语义分割方法来实现。基于深度学习的语义分割方法在自然图像处理方面取得了显著效果，但是，对于遥感图像的语义分割，由于遥感图像与自然场景图像相比，遥感图像图幅范围更广，图像特征更为复杂，包含的目标种类更为丰富，并且目标尺度变化较大，这就导致利用语义分割网络对遥感图像地物要素进行提取时，存在提取精度不高，对地物轮廓分割不够准确的情况，从而影响最终遥感图像居民地要素提取结果的精确度。

技术实现思路

[0003]有鉴于此，本申请提出了一种遥感图像居民地要素提取方法，可以有效提高遥感图像居民地要素提取结果的精确度。
[0004]根据本申请的一方面，提供了一种遥感图像居民地要素提取方法，包括：
[0005]获取要处理的遥感图像；...

【技术保护点】

【技术特征摘要】
1.一种遥感图像居民地要素提取方法，其特征在于，包括：获取要处理的遥感图像；对所述遥感图像进行边缘特征提取得到边缘特征图；对所述遥感图像进行语义分割得到所述语义特征图；将所述边缘特征图与所述语义特征图进行拼接组合，得到所述遥感图像的要素提取结果。2.根据权利要求1所述的方法，其特征在于，对所述遥感图像进行边缘特征提取得到边缘特征图时，采用Canny算子来进行所述遥感图像的边缘特征的提取。3.根据权利要求2所述的方法，其特征在于，采用Canny算子进行所述遥感图像的边缘特征的提取时，包括：计算所述遥感图像的梯度幅度和方向，得到所述遥感图像的梯度幅度结果；去除所述遥感图像的梯度幅度结果中非局部梯度最大值点，得到所述遥感图像中的边缘点；连接所述遥感图像的边缘点，得到所述边缘特征图。4.根据权利要求3所述的方法，其特征在于，去除所述遥感图像的梯度幅度结果中非局部梯度最大值点时，使用非极大值抑制处理梯度幅度的方式进行。5.根据权利要求3所述的方法，其特征在于，连接所述遥感图像的边缘点时，采用双阈值法进行。6.根据权利要求5所述的方法，其特征在于，采用双阈值法连接所述遥感图像的边缘点时，包括：采用双阈值中的高阈值进行边缘点的...

【专利技术属性】
技术研发人员：赵明瑜，刘松林，刘薇，许剑，谢卓锟，
申请(专利权)人：中国人民解放军六一五四零部队，
类型：发明
国别省市：