【技术实现步骤摘要】
一种无人机遥感图像语义分割方法及系统
[0001]本专利技术属于图像语义分割领域,尤其涉及一种无人机遥感图像语义分割方法及系统
。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术
。
[0003]无人机遥感图像语义分割的目的是对无人机采集得到的遥感图像进行像素级内容解读,获得具有像素级语义类别标注的结果
。
遥感影像的语义分割在城市规划
、
智慧城市
、
医疗卫生
、
地理信息系统建设等方面有广泛的应用
。
由于语义分割任务相对来说较为复杂,卷积神经网络的快速发展则为其提供了技术支持,特别是全卷积网络在其中发挥了重要作用
。
其中,被计算机视觉领域广泛应用的编码器
‑
解码器结构同样也在分割任务上表现出了优异性能,并逐渐成为语义分割神经网络中流行的基线架构
。
在此结构中,编码器用于提取出通用语义特征,而解码器用于融合高层次语义和低层次空间信息,并尽可能将高层的低分辨率尺寸精细地恢复为输入图像的大尺寸
。
然而,由于遥感图像中地面物体的特殊性即规模小
、
相似度高
、
可能存在相互遮挡等会给遥感图像的语义分割带来了新的挑战
。
很多基于卷积神经网络的模型在特征提取过程中进行特征降采样以减少计算量,这很容易导致小尺度特征被丢弃
。
此外如上面 ...
【技术保护点】
【技术特征摘要】
1.
一种无人机遥感图像语义分割方法,其特征在于,包括:步骤1:获取无人机遥感图像,利用
CNN
编码器和
Transformer
编码器特征提取阶段分别对所获取的无人机遥感图像进行特征提取,得到第一特征图和第二特征图;步骤2:将第一特征图和第二特征图构建图结构,获取图结构的邻接矩阵,根据所述邻接矩阵构建图嵌入损失函数;步骤3:利用图嵌入损失函数引导对应的第一特征图和第二特征图的特征融合,得到融合特征,并将所得到的融合特征输入至
CNN
编码器下一特征提取阶段;步骤4:重复步骤2‑
步骤3,直至
CNN
编码器最后特征提取阶段输出最终的融合特征,将
CNN
编码器特征提取阶段所输出的融合特征基于解码器得到无人机遥感图像语义分割结果
。2.
如权利要求1所述的一种无人机遥感图像语义分割方法,其特征在于,在所述步骤2中,具体包括:根据第一特征图像素之间的权重,构建第一特征图的权重矩阵;根据第二特征图像素之间的权重,构建第二特征图的权重矩阵;基于
k
‑
邻近策略根据第一特征图的权重矩阵和第二特征图的权重矩阵,得到图结构的邻接矩阵;根据邻接矩阵结合
t
分布式随机邻居嵌入和拉普拉斯嵌入,构建图嵌入损失函数
。3.
如权利要求2所述的一种无人机遥感图像语义分割方法,其特征在于,采用欧式距离计算第一特征图或第二特征图像素之间的权重
。4.
如权利要求1所述的一种无人机遥感图像语义分割方法,其特征在于,在所述步骤3中,具体为:将对应尺度的第一特征图和第二特征图进行级联拼接操作;将级联拼接后的特征经过卷积层得到融合特征
。5.
如权利要求1所述的一种无人机遥感图像语义分割方法,其特征在于,在所述步骤4中,将
CNN
编码器每个特征提取阶段输出的融合特征基于解码器得到无人机遥感图像语义分割结果,具体为:基于
U
‑
NET
形式,利用跳跃连接串联
CNN
...
【专利技术属性】
技术研发人员:丛润民,张伟,宋然,仇梓峰,陈宇,李晓磊,陈韬亦,
申请(专利权)人:中国电子科技集团公司第五十四研究所,
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。