【技术实现步骤摘要】
本专利技术属于sar影像解译，具体涉及一种基于自适应分辨率特征学习模型的弱监督sar影像语义分割方法、系统、设备及介质。
技术介绍
1、合成孔径雷达(synthetic aperture radar,sar)是遥感领域的重要技术，它利用雷达的合成孔径原理进行遥感观测，是一种具备全天时、全天候优势的对地观测系统。sar图像语义分割是对sar图像进行自动解译分析的一个重要手段，它根据目标的自身散射特性反映出的几何特征来提供目标区域的封闭轮廓，从而实现对sar图像中不同目标信息的解译。由于不同分辨率的sar图像反映出的目标几何特征差异很大，因此常规的sar图像分割算法在面对不同分辨率的sar图像时分割精度并不理想。
2、尤其面对不同分辨率sar影像下地物要素的多变尺度与迥异外形特征，造成地物在数量和地物表现形式上存在较大差异，致使模型普适特征学习困难、泛化能力差，成为面对真实场景的不同需求时，方法适用度不足的主要原因。因此，设计一种能够自动捕获不同分辨率下地物共有特征的sar影像语义分割模型对于sar影像解译的实用化推广具有重要的
<本文档来自技高网...【技术保护点】
1.一种基于自适应分辨率特征学习模型的弱监督SAR影像语义分割方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于自适应分辨率特征学习模型的弱监督SAR影像语义分割方法，其特征在于：所述步骤2中的自适应分辨率特征学习模型由特征编码模块、自适应分辨率模块、分辨率特征对比增强模块组合而成，其中：
3.根据权利要求1或2所述的一种基于自适应分辨率特征学习模型的弱监督SAR影像语义分割方法，其特征在于：所述步骤2中训练网络模型的具体步骤如下：
4.根据权利要求1或3所述的一种基于自适应分辨率特征学习模型的弱监督SAR影像语义分...
【技术特征摘要】
1.一种基于自适应分辨率特征学习模型的弱监督sar影像语义分割方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于自适应分辨率特征学习模型的弱监督sar影像语义分割方法，其特征在于：所述步骤2中的自适应分辨率特征学习模型由特征编码模块、自适应分辨率模块、分辨率特征对比增强模块组合而成，其中：
3.根据权利要求1或2所述的一种基于自适应分辨率特征学习模型的弱监督sar影像语义分割方法，其特征在于：所述步骤2中训练网络模型的具体步骤如下：
4.根据权利要求1或3所述的一种基于自适应分辨率特征学习模型的弱监督sar影像语义分割方法，其特征在于：所述步骤3中编码获取图像块的低级空间特征和高级语义特征的具体步骤如下：
5.根据权利要求1或4所述的一种基于自适应分辨率特征学习模型的弱监...
【专利技术属性】
技术研发人员：王凯，罗星宇，任仲乐，侯彪，李卫斌，焦李成，
申请(专利权)人：西安电子科技大学，
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。