面向机动的自适应多尺度特征融合的遥感影像分割方法技术

本发明专利技术属于遥感影像解译技术领域，具体涉及一种面向机动的自适应多尺度特征融合的遥感影像分割方法，将获取的遥感影像数据输入自适应空间特征融合模型进行遥感地物解译；空间特征融合模型包括Unet网络模块和ASFF特征融合模块；Unet网络模块包括编码器和解码器；Unet网络模块基于骨干特征提取网络提取得到N个不同尺度的空间特征，进行编码器

【技术实现步骤摘要】
面向机动的自适应多尺度特征融合的遥感影像分割方法


[0001]本专利技术属于遥感影像解译
，具体涉及一种面向机动的自适应多尺度特征融合的遥感影像分割方法。

技术介绍

[0002]随着遥感技术的不断发展，能够获取到的遥感影像分辨率也越来越高，更高空间分辨率的影像也包含大量的地物细节特征，基于遥感影像进行分割获取精确的地物分类，广泛应用于土地测绘、环境监测、城市建设等领域。特别的在军事领域，基于遥感影像进行精细的地物识别有利于分析评估车辆的可通行性，进而制定计划展开军事行动。
[0003]目前现有技术中有的基于全卷积神经网络(Fully Convolutional Networks,FCN)模型进行遥感地物智能解译。但是，FCN模型在建模时，没有考虑目标地物前景、背景之间的不同，这与现实场景中复杂的遥感地物解译不符，且运算量大、计算时间长等问题。现有技术中还有的采用编码
‑
解码的形式结构的遥感影像分割网络，比如Unet，Unet是一种优秀的分割网络模型，能够减少数据成本且精度比FCN模型高，但是Unet网络由于采用跳本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向机动的自适应多尺度特征融合的遥感影像分割方法，其特征在于：包括以下步骤：将获取的遥感影像数据输入空间特征融合模型进行遥感地物解译，以得到遥感地物分类结果；所述空间特征融合模型包括Unet网络模块和ASFF特征融合模块；所述Unet网络模块包括编码器和解码器；编码器用于提取遥感影像数据的特征，以得到N个不同尺度的图像特征；解码器依据N个不同尺度的图像特征进行处理操作，以得到N个不同尺度的空间特征；所述ASFF特征融合模块用于将输入的所述N个不同尺度的空间特征采用如下公式进行特征融合，以得到遥感地物分类结果：其中为N个尺度的空间特征融合后的图像特征，
……
、和分别为提取得到的N个不同尺度的空间特征，λ1、λ2、λ3、
……
、和λ
n
分别为对应的权重参数，且满足λ1+λ2+λ3+λ4+
……
+λ
n
＝1。2.根据权利要求1所述的面向机动的自适应多尺度特征融合的遥感影像分割方法，其特征在于：N＝5。3.根据权利要求1所述的面向机动的自适应多尺度特征融合的遥感影像分割方法，其特征在于：所述Unet网络模块的编码器采用ResNet
‑
50网络实现特征提取。4.根据权利要求1所述的面向机动的自适应多尺度特征融合的...

【专利技术属性】
技术研发人员：武志强，游雄，张欣，张威巍，陈令羽，涂明广，徐旺，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：