遥感图像地物要素提取方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种遥感图像地物要素提取方法、装置、电子设备及存储介质，可以应用于遥感图像解析技术领域。该方法包括：将遥感图像输入自适应边界提取的编码网络中，利用不同的卷积组提取遥感图像的图像特征，分别输出第一特征图和第二特征图，其中，输出第一特征图使用的第一卷积组中的卷积次数小于输出第二特征图使用的第二卷积组中的卷积次数，遥感图像中包括地物要素的边界信息；对第二特征图进行金字塔池化，得到池化特征图；利用编码网络对第一特征图的边界信息进行编码增强，得到增强特征图；捕获增强特征图的长距离依赖关系，得到提取特征图；将提取特征图与池化特征图进行特征融合，生成目标特征图。生成目标特征图。生成目标特征图。

【技术实现步骤摘要】
遥感图像地物要素提取方法、装置、电子设备及存储介质


[0001]本公开涉及遥感图像解析的
，更具体地，涉及一种遥感图像地物要素提取方法、装置、电子设备及存储介质和程序产品。

技术介绍

[0002]随着遥感技术的飞速发展，从遥感图像中可获取的地物信息越来越丰富，因此遥感图像地物要素提取在众多领域中有着广泛的应用。提取地物要素的目的是为了将遥感图像中地物目标的边界精确地勾勒出来。相关技术中，深度学习方法通过级联非线性的映射将低级别的特征转换为高级别和抽象的特征，提升了遥感图像地物要素提取的性能。
[0003]在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下问题，利用现有深度学习方法在对遥感图像地物要素提取的过程中，由于遥感图像本身具有尺寸大、场景复杂、小目标众多，且物体边界处有阴影、遮挡等，导致地物要素预测准确度较低。

技术实现思路

[0004]有鉴于此，本公开实施例提供了一种遥感图像地物要素提取方法、装置、电子设备及存储介质和程序产品。
[0005]本公开实施例的一个方面提供了一种遥感图像地物要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感图像地物要素提取方法，包括：将遥感图像输入自适应边界提取的编码网络中，利用不同的卷积组提取所述遥感图像的图像特征，分别输出第一特征图和第二特征图，其中，输出所述第一特征图使用的第一卷积组中的卷积次数小于输出所述第二特征图使用的第二卷积组中的卷积次数，所述遥感图像中包括地物要素的边界信息；对所述第二特征图进行金字塔池化，得到池化特征图；利用所述编码网络对所述第一特征图的边界信息进行编码增强，得到增强特征图；捕获所述增强特征图的长距离依赖关系，得到提取特征图；将所述提取特征图与所述池化特征图进行特征融合，生成目标特征图。2.根据权利要求1所述的方法，所述将遥感图像输入自适应边界提取的编码网络中，利用不同的卷积组提取所述遥感图像的图像特征，分别输出第一特征图和第二特征图，包括：利用所述编码网络的第一卷积组对所述遥感图像进行下采样，得到所述第一特征图；利用所述编码网络的第二卷积组对所述第一特征图进行下采样，得到所述第二特征图，所述第二卷积组中的卷积次数大于第一卷积组中的卷积次数。3.根据权利要求2所述的方法，其中，所述利用所述编码网络的第一卷积组对所述遥感图像进行下采样，得到所述第一特征图，包括：利用所述第一卷积组中的第一动态混合梯度卷积对所述遥感图像进行下采样，得到初始特征图；利用所述第一卷积组中的第二动态混合梯度卷积对所述初始特征图进行下采样，得到所述第一特征图。4.根据权利要求3所述的方法，其中，所述利用所述第一卷积组中的第一动态混合梯度卷积对所述遥感图像进行下采样，得到初始特征图，包括：基于所述遥感图像确定所述第一动态混合梯度卷积的多个卷积权重系数，所述第一动态混合梯度卷积包括普通卷积核、第一梯度卷积核和第二梯度卷积核；基于所述普通卷积核对应的卷积权重系数，利用所述普通卷积核对所述遥感图像进行特征提取，得到普通特征；基于所述第一梯度卷积核对应的卷积权重系数，利用所述第一梯度卷积核对所述遥感图像进行特征提取，得到第一梯度特征；基于所述第二梯度卷积核对应的卷积权重系数，利用所述第二梯度卷积核对所述遥感图像进行特征提取...

【专利技术属性】
技术研发人员：吴有明，候建龙，闫志远，戴威，王佩瑾，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：