基于空间细节和注意力的遥感图像分割网络结构及方法技术

本发明专利技术公开了基于空间细节和注意力的遥感图像分割网络结构及方法，解决语义分割方法中，空间细节信息丢失，未建立长距离依赖，以及没有充分利用全局上下文信息的问题，以减小误分割概率，提升分割精度，从而获取良好的图像分割效果。本发明专利技术设计了一种基于CNN和编解码器的网络。该网络包含多尺度融合的通道注意力模块和特征引导空间分布模块，其中，多尺度融合的通道注意力模块融合多层级信息到注意力机制中，可以突出特征判别能力，增大类间区分性。特征引导空间分布模块可以利用全局信息和通道特征引导和调节低层级特征图空间分布，增强关键空间细节特征的表达。本发明专利技术还提供了一种基于空间细节和注意力的高分辨率遥感图像分割方法。

【技术实现步骤摘要】

本专利技术涉及遥感图像成像，具体涉及一种基于空间细节和注意力的遥感图像分割网络结构及方法。

技术介绍

1、遥感图像语义分割是指将遥感图像中的每个像素进行分类，将其分配给预定义的类别或标签，以实现对遥感图像的语义理解和分析。遥感图像语义分割任务的目标是在细粒度层面上对遥感图像进行解析，将图像中的每个像素准确地分割出不同的地物类别，如建筑物、道路、植被等，从而提取出图像中的地物信息，为地理信息系统、城市规划、环境监测等应用提供准确的地物分类和空间分布信息。

2、传统的语义分割方法主要依赖于手工设计的特征和分类器，其核心思想是基于图像的低级特征和先验知识来进行像素分类，受计算机算力的限制，其只能提取图像的纹理信息、颜色、形状等低级特征对图像进行分割，因而分割准度不高。随着计算机软硬件的更新换代、深度学习技术的日益强大，语义分割也进入新的发展时期。许多研究学者将深度学习引入图像语义分割领域，利用深度神经网络从输入图像中自动学习特征，能够提取图像的低层、中层和高层特征，实现对图像目标端到端的像素级分类，极大地提高了语义分割的精度和效率。例如：2021年，本文档来自技高网...

【技术保护点】

1.基于空间细节和注意力的遥感图像分割网络，其特征在于，包括编码器分支、多尺度融合通道注意力模块、特征引导空间分布模块以及解码器分支；

2.如权利要求1所述的基于空间细节和注意力的遥感图像分割网络，其特征在于，所述编码器分支采用ResNet-101骨干网络，针对输入的遥感图像进行特征提取得到五组不同层级的特征图分别表示为f1、f2、f3、f4和f5，其尺寸依次是原图像的和

3.如权利要求2所述的基于空间细节和注意力的遥感图像分割网络，其特征在于，所述多尺度融合通道注意力模块，具体为：

4.如权利要求3所述的基于空间细节和注意力的遥感图像分割网络，其特征...

【技术特征摘要】

1.基于空间细节和注意力的遥感图像分割网络，其特征在于，包括编码器分支、多尺度融合通道注意力模块、特征引导空间分布模块以及解码器分支；

2.如权利要求1所述的基于空间细节和注意力的遥感图像分割网络，其特征在于，所述编码器分支采用resnet-101骨干网络，针对输入的遥感图像进行特征提取得到五组不同层级的特征图分别表示为f1、f2、f3、f4和f5，其尺寸依次是原图像的和

3.如权利要求2所述的基于空间细节和注意力的遥感图像分割网络，其特征在于，所述多尺度融合通道注意力模块，具体为：

4.如权利要求3所述的基于空间细节和注意力的遥感图像分割网络，其特征在于，所述特征引导空间分布模块，具体为：

5.如权利要求4...

【专利技术属性】
技术研发人员：王裕沛，杨闻莺，陈亮，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：