一种基于LOVASZ损失和轻量化双边网络的SAR图像实时分割方法技术

本发明专利技术公开了一种基于LOVASZ损失和轻量化双边网络的SAR图像实时分割方法，对BiSeNet网络依次进行预训练和微调训练；其中，在预训练过程中BiSeNet网络的损失函数采用交叉熵损失函数，在微调训练过程中BiSeNet网络的损失函数采用联合损失函数，联合损失函数包括Lovasz损失函数和交叉熵损失函数；基于微调训练后的BiSeNet网络对极化SAR图像进行分割；本发明专利技术在BiSeNet网络的基础上，将语义分割中的常用的指标联合交集(Intersection Over Union，IOU)作为优化目标，引入了对其进行扩展的Lovasz损失，实现了基于Lovasz损失的轻量化双边网络的实时语义分割，获得了更高的分类精度。度。度。

【技术实现步骤摘要】
一种基于LOVASZ损失和轻量化双边网络的SAR图像实时分割方法


[0001]本专利技术属于SAR图像分割
，尤其涉及一种基于LOVASZ损失和轻量化双边网络的SAR图像实时分割方法。

技术介绍

[0002]极化SAR图像分割是SAR图像解译领域的研究热点之一，可以实现对SAR图像的像素级分类，在城市分割、道路提取、作物分类等方面得到了广泛的应用。传统的分类方法主要基于极化SAR数据的统计分布和目标的散射特性，但是这类方法只能提取一些低层次的特征，不能充分有效利用SAR图像信息。
[0003]为了满足分类精度和速度的要求，以卷积神经网络(CNN)为代表的深度学习方法被广泛引入SAR图像的分割。然而CNN采取的滑动窗口的方法对同一像素进行多次重复采样，计算和存储负担巨大。同时，由于一个采样窗口往往包含不同类型的像素，这种区域到像素的方法只能预测中心像素，导致边界过度平滑，分割结果不确定。
[0004]为了克服区域到像素方法的缺点，Long提出的全卷积神经网络(FCN)通过将CNN的全连接层替换为卷积层来实现对任意尺寸图像的分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LOVASZ损失和轻量化双边网络的SAR图像实时分割方法，其特征在于，包括以下步骤：对BiSeNet网络依次进行预训练和微调训练；其中，在预训练过程中所述BiSeNet网络的损失函数采用交叉熵损失函数，在微调训练过程中所述BiSeNet网络的损失函数采用联合损失函数，所述联合损失函数包括Lovasz损失函数和交叉熵损失函数；基于微调训练后的BiSeNet网络对极化SAR图像进行分割。2.如权利要求1所述的一种基于LOVASZ损失和轻量化双边网络的SAR图像实时分割方法，其特征在于，所述Lovasz损失函数为：其中，Loss(f)2为Lovasz损失函数，C为SAR图像中像素的类别数量，c为SAR图像中像素的类别序数，为各类别的扩展损失。3.如权利要求2所述的一种基于LOVASZ损失和轻量化双边网络的SAR图像实时分割方法，其特征在于，所述交叉熵损失函数为：其中，Loss(f)1为交叉熵损失函数，p为输入到BiSeNet网络中的像素数量，为第i个像素的真实标签，为BiSeNet网络对第i个像素的分类结果为的概率。4.如权利要求2或3所述的一种基于LOVASZ损失和轻量化双边网络的SAR图像实时分割方法，其特征在于，所述联合损失...

【专利技术属性】
技术研发人员：郭睿，赵小鹏，王辉，徐瑞琦，左冠中，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：