一种基于改进型ERFNet网络的遥感图像分割方法及装置制造方法及图纸

本发明专利技术公开了一种基于改进型ERFNet网络的遥感图像分割方法及装置，涉及图像语义分割技术领域；通过获取遥感图像；将遥感图像输入到训练后的改进型ERFNet语义分割网络模型中，得到遥感图像分割结果，其中：所述改进型ERFNet语义分割网络模型包括添加注意力金字塔池化模块的编码器模块和使用光流指导对齐模块替换反卷积的解码器模块；相较于传统ERFNet网络，本发明专利技术在编码器中增加了注意力金字塔池化模块，使用光流指导对齐模块代替解码器中反卷积，充分融合了多尺度信息，确保图像还原准确度，有效提高了遥感高分辨率图像中的小物体以及整体图像的分割精度。小物体以及整体图像的分割精度。小物体以及整体图像的分割精度。

【技术实现步骤摘要】
一种基于改进型ERFNet网络的遥感图像分割方法及装置


[0001]本专利技术涉及一种基于改进型ERFNet网络的遥感图像分割方法及装置，属于图像语义分割


技术介绍

[0002]遥感高分辨率图像分割是遥感图像处理的重要组成部分，即自动的为每一幅场景图像每一个像素进行预测，是一种像素级别的分类任务。在城市规划、土地利用、灾害评估和环境监测等领域应用广泛。早期传统遥感图像分割主要通过基于边缘、纹理、形状、颜色等底层特征等手工设计分类器进行分割，然后对分割后图像进行语义的标注。例如，基于阈值的分割方法、基于区域生长的分割方法、基于边缘的分割方法等等。这些传统方法可以在一定程度上取得较好的分割效果，但需要针对不同场景的特点设计不同的手工特征提取器，由于手工设计特征提取器要求相对较高，且泛化性能不好，无法大规模应用到真实复杂的场景当中。
[0003]随着计算机的发展，深度学习等人工智能领域研究也得到了突破。计算机硬件如GPU、内存等运算能力、传输速度的提升，为深度学习的发展提供了较大的动力。AlexNet的提出又将卷积神经网络拉回到人们本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进型ERFNet网络的遥感图像分割方法，其特征在于，包括：获取遥感图像；将遥感图像输入到训练后的改进型ERFNet语义分割网络模型中，得到遥感图像分割结果，其中：所述改进型ERFNet语义分割网络模型包括添加注意力金字塔池化模块的编码器模块和使用光流指导对齐模块替换反卷积的解码器模块。2.根据权利要求1所述的基于改进型ERFNet网络的遥感图像分割方法，其特征在于，所述将遥感图像输入到训练后的改进型ERFNet语义分割网络模型中，得到遥感图像分割结果，包括：遥感图像输入到训练后的改进型ERFNet语义分割网络模型后首先进入编码器模块；编码器模块中通过下采样、标准卷积以及膨胀卷积对遥感图像进行浅层特征和深层特征的提取，得到提取后的浅层特征图和深层特征图；采用注意力金字塔池化模块，对提取后的深层特征图进一步地提取特征以及上下文信息，得到进一步处理后的深层特征图；解码器模块中将进一步处理后的深层特征图和浅层特征图输入到光流指导对齐模块进行上采样，再使用1
×
1卷积处理通道，并进行双线性插值上采样，得到遥感图像分割结果。3.根据权利要求1所述的基于改进型ERFNet网络的遥感图像分割方法，其特征在于，所述改进型ERFNet语义分割网络模型的训练方法，包括：获取遥感高分辨率图像数据集并进行数据预处理，划分为训练集、验证集及测试集；利用训练集、验证集对预先构建的改进型ERFNet语义分割网络模型进行训练和验证；将测试集输入到训练后的改进型ERFNet语义分割网络模型，得到遥感高分辨率图像分割结果。4.根据权利要求3所述的基于改进型ERFNet网络的遥感图像分割方法，其特征在于，所述获取遥感高分辨率图像数据集并进行数据预处理，划分为训练集、验证集及测试集，包括：从开源数据集网站下载或自制遥感高分辨率图像数据集；对遥感高分辨率图像数据集中的图片以及标签进行尺寸缩放和数据增强；将缩放和数据增强后图片及标签放入不同文件夹，并按照比例划分训练集、验证集及测试集。5.根据权利要求3所述的基于改进型ERFNet网络的遥感图像分割方法，其特征在于，所述利用训练集、验证集对预先构建的改进型ERFNet语义分割网络模型进行训练和验证，包括：S21：设定训练改进型ERFNet语义分割网络模型的初始参数；S22：在训练过程中使用神经元随机失活策略进行正则化，采用交叉熵损失函数计算损失...

【专利技术属性】
技术研发人员：王存宝，刘茜，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：