基于边缘增强的高分辨率遥感影像的耕地信息提取方法技术

本发明专利技术设计了一种基于边缘增强的高分辨率遥感影像的耕地信息提取方法，设计构建联合边缘增强损失函数BE

【技术实现步骤摘要】
基于边缘增强的高分辨率遥感影像的耕地信息提取方法


[0001]本专利技术涉及遥感影像耕地信息提取
，尤其涉及一种基于边缘增强的高分辨率遥感影像的耕地信息提取方法。

技术介绍

[0002]对于遥感图像中耕地类别的提取任务，在以往传统的非监督分类、监督分类、面向对象分类方法不断发展的同时，利用深度学习算法进行耕地信息提取显示出应用优势和潜力。语义分割网络如U
‑
Net、DeeplabV3+等，对耕地提取效果显著，但这些算法在提取耕地时，易发生边缘模糊、边界错分。边缘特征对于耕地地块的分割具有重要意义，有必要对耕地及其边缘区域进行更准确的识别。因此，本专利技术提出基于边缘增强函数BE
‑
Loss的BEC
‑
UNet语义分割网络，应用边缘增强损失函数，实现高分辨率遥感图像的耕地提任务。

技术实现思路

[0003]本专利技术目的就是为了弥补已有技术的缺陷，提供一种基于边缘增强的高分辨率遥感影像的耕地信息提取方法。
[0004]本专利技术是通过以下技术方案实现的：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘增强的高分辨率遥感影像的耕地信息提取方法，其特征在于：具体包括如下步骤：(1)构建联合型边界增强损失函数BE
‑
Loss；(2)设计构建BEC
‑
UNet网络模型；(3)使用GID高分辨率多光谱标签数据作为实验数据；(4)将实验数据融合NDVI指数后得到的5波段数据输入到基于构建的边界增强损失函数BE
‑
Loss的网络架构中，在BEC
‑
UNet中，使用EfficientNet为骨干网络的UNet网络作为语义分割模块，在边界增强模块中通过融入scSE双通道注意力机制、Cot模块、门控卷积提升训练精度；最后结合余弦退火衰减算法更新学习率，由一个Efficient特征监督模块融合后得出经边缘增强的分类结果。2.根据权利要求1所述的一种基于边缘增强的高分辨率遥感影像的耕地信息提取方法，其特征在于：所述的联合型边界增强损失函数BE
‑
Loss，具体内容如下：BE
‑
LOSS＝α1L
DICE1
(X1,Y1)+β1Ω
Huber
(reg(ξ))+α2L
DICE2
(X2,Y2)+β2Ω
L1
(ω)其中，和分别为边缘强化模块加权损失和分类模块的加权损失，α1和α2分别是耕地提取、边缘增强DICE损失的对应权重，β1和β2分别为耕地提取、边缘增强的正则项的X1、Y1分别表示网络耕地地块识别情况、实际耕地地块情况，X2、Y2分别表示图像边缘识别情况和实际耕地边缘情况；因耕地提取任务为二分类，故两损失均采用DICE损失函数，具体计算公式如下：上述公式中X为分类结果类别情况，Y为实际地物分类情况；另外，β1Ω
Huber
(reg(ξ)为针对边缘强化功能的正则项，具体计算公式如下：上述公式中权重ω(i,j)表明像素i与像素j的相关系数，为对称正值，设置为两像素间举例的反比；N
j
表示二维空间中像素j点的邻域；ξ＝(ξ1，ξ2…
ξ
m
)
T
，为输入图像的衰减系数；为正则化的Huber算子，其具体参数方程如下：TH为迭代阈值，t为参数方程自变量；使用Huber算子可有效抑制遥感图像中的伪影，惩罚获取精准边缘结果；此外，为针对语义分类功能的的L1正则项，用于防止分类结果过拟合，其具体计算公式如下：上述公式中，对参数模型ω引入拉普拉斯先验，即Ω～Laplace(μ,b)，则有：
其中ω
*
表示最优的目...

【专利技术属性】
技术研发人员：董张玉，李金徽，张鹏飞，张远南，于金秋，张晋，安森，许道礼，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：