【技术实现步骤摘要】
面向机器视觉的渐进式遥感图像多层级语义分割方法
[0001]本专利技术属于计算机视觉
,具体涉及一种面向机器视觉的渐进式遥感图像多层级语义分割方法。
技术介绍
[0002]随着我国卫星数量的不断增加和遥感技术的不断发展,高分辨率遥感图像的数据量倍增,当面对这些待处理的海量数据时,遥感图像的快速、精准化处理的需求变得日益突出。近些年来,随着人工智能技术的蓬勃发展,机器视觉技术在遥感图像的处理领域中的应用越来越广泛,其中语义分割技术是将遥感图像应用机器视觉思想进行处理的一种方式,它的目的是为遥感图像中的每一个像素点都人工标记为一个特定的物种类别,赋予每个像素特定的类别意义,对遥感图像中的特定区域或目标进行分割,使得对遥感图像的处理速度远超传统的技术,在遥感图像的快速、精准化处理中发挥了重要的作用。
[0003]目前先进的遥感图像语义分割技术是基于深度学习的,利用卷积神经网络(CNN)获取输入图像然后输出分割结果图。申请号为CN202110530385.2的专利提出了一种基于超分辨率和域自适应的无监督遥感图像语义分割方法,通过特征金字塔注意力模块代替原超分辨率域自适应的无监督遥感图像语义分割方法中ASPP模块,并将残差特征金字塔注意力模块应用到判别器,为高层语义特征获取精确的像素级注意力;通过Dice系数损失函数缓解种类不均衡问题。申请号为CN202111530033.3的专利提出了一种基于深度学习的遥感图像语义分割方法,修改SegNet网络,在编码器中的前两个阶段增加两个空洞空间金字塔池化(ASPP)模块, ...
【技术保护点】
【技术特征摘要】
1.一种面向机器视觉的渐进式遥感图像多层级语义分割方法,其特征在于,包括:步骤1:对原始遥感图像中的目标物品进行识别标记,制作训练集和测试集;步骤2:搭建面向机器视觉的渐进式遥感图像多层级语义分割模型;步骤3:设置训练参数,构造损失函数,对面向机器视觉的渐进式遥感图像多层级语义分割模型进行训练,更新网络参数,得到训练后的面向机器视觉的渐进式遥感图像多层级语义分割模型;步骤4:将步骤1中的遥感图像测试集输入到训练后的面向机器视觉的渐进式遥感图像多层级语义分割模型中,输出遥感图像的精确分割结果。2.根据权利要求1所述的一种面向机器视觉的渐进式遥感图像多层级语义分割方法,其特征在于,所述步骤1包括:步骤1.1:将原始遥感图像中的目标物品进行分类;步骤1.2:为每种物品类别分配RGB值;步骤1.3:根据分配的RGB值对该物品种类进行上色处理,得到遥感图像标签集;步骤1.4:将得到的原始图像和标签集进行图像裁剪、图像的垂直与水平翻转处理,然后按照一定比例划分为训练集和测试集。3.根据权利要求1所述的一种面向机器视觉的渐进式遥感图像多层级语义分割方法,其特征在于,所述步骤2分割模型由若干个相同的处理阶段堆叠起来,每个阶段都包含相同的预处理模块、分割模块、细化模块和超分辨率模块,随着图像从最粗层级到最细层级的渐进式分割,输出逐步细化的分割结果图;所述预处理模块用于对原始遥感图像X进行窗口函数和下采样处理输出不同层级S所需大小的遥感图像X
wS
‑
;所述分割模块用于对输入的遥感图像X
wS
‑
进行特征提取以及特征融合得到分割图像A
wS
‑
;所述细化模块用于对上一个层级输出的分割图像Y
w(S
‑
1)
‑
与分割图像A
wS
‑
得到一个初始组合分割图B,计算上一个层级输出的分割图像Y
w(S
‑
1)
‑
与分割图像B之间的不确定性评分C,并根据评分值C对图像Y
w(S
‑
1)
‑
进行细化处理,得到细化图像Y
wS+
;所述超分辨率模块用于对细化图像Y
wS+
进行超分辨处理得到超分辨率图像Y
S
;图像Y
S
作为下一层级预处理模块的输入。4.根据权利要求3所述的一种面向机器视觉的渐进式遥感图像多层级语义分割方法,其特征在于,所述预处理模块的搭建过程如下:步骤A1:设置一组矩形窗口W
S
={w|w=(x,y,h
S
,w
S
)}来对原始遥感图像X进行分块处理,每个窗口由窗口左上角坐标(x,y)、高度h
S
和宽度w
S
指定;步骤A2:根据划分图像块的矩形窗口W
S
,将输入图像X分割为大小为h
S
×
w
S
的图像块X
wS
;步骤A3:对图像块X
wS
进行下采样操作得到图像块X
wS
‑...
【专利技术属性】
技术研发人员:雷为民,冯翔,于婷婷,张伟,叶文慧,
申请(专利权)人:东北大学,
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。