面向多源数据多区域尺度协同高分遥感图像语义分割方法技术

本发明专利技术涉及一种面向多源数据多区域尺度协同高分遥感图像语义分割方法。首先将经数据增强的多源高分光学图像和nDSM样本图像对分别输入到网络的高分空间分支、高分语义分支和nDSM空间分支，然后将两个数据源图像的空间特征进行拼接融合。最后，将融合特征经语义分割头上采样得到最终的分割结果。本发明专利技术的模型能使网络对于特征丰富，融合后的特征由于有nDSM图像的高程信息互补，缓解了高分光学图像中光谱混淆以及高分遥感图像固有的类内差异大，类间差异小造成语义分割难的问题。将融合特征应用于语义分割网络，相比已有的单源可见光图像分割方法和多源nDSM分割方法，该发明专利技术方法能够有效提高语义分割精度。

【技术实现步骤摘要】

本专利技术涉及遥感，特别是一种面向多源数据多区域尺度协同高分遥感图像语义分割方法。

技术介绍

1、语义分割是智能解析高分遥感图像、获取地物分布信息的有效手段。高分遥感图像语义分割对高分辨率的遥感图像进行像素级分类标注，从而得到地物信息。其在土地勘探、环境检测和城市规划等领域中发挥了重要作用。与普通图像的语义分割不同，高分遥感图像是地表地物的俯瞰图，分辨率高且覆盖范围极广，其包含的地物种类复杂繁多，地物远距离相关，存在类间差异小，类内差异大的问题。此外，受光照影响，高分遥感图像还存在地物受阴影遮挡，同物异谱，异物同谱的光谱混淆问题。这些问题使得普通图像的语义分割方法直接应用于高分遥感图像的语义分割效果不佳。

2、为了提高高分遥感图像图像语义分割的准确性，需要结合遥感图像特点对普通图像的语义分割方法做改动。针对高分遥感图像地物种类复杂繁多，地物远距离相关的问题，需要利用遥感图像中不同地物之间的多尺度远距离相关性依赖信息，使网络学习到不同尺度范围内相似地物，同类地物的相关性特征。并且由于高分图像存在阴影遮挡，同物异谱，异物同谱的光谱混淆问题，因此引入本文档来自技高网...

【技术保护点】

1.面向多源数据多区域尺度协同高分遥感图像语义分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的面向多源数据多区域尺度协同高分遥感图像语义分割方法，其特征在于，步骤S1中所述的基于随机拼接的数据增强的具体内容如下:首先，在待增强样本的合适范围内随机生成样本块拼接的基准点，以此点为交点沿纵横方向将待增强样本划分为左上、左下、右下、右上四个矩形区域；然后，随机选出用于填补左下、右下、右上区域的三个样本；即对包括待增强样本在内的四个样本，各自独立地随机选中一种子样本块筛选决策，包括范围内随机裁剪，邻接样本裁剪，完整样本多尺度随机缩放，按决策裁剪出样本块；最后将四个裁剪得...

【技术特征摘要】

1.面向多源数据多区域尺度协同高分遥感图像语义分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的面向多源数据多区域尺度协同高分遥感图像语义分割方法，其特征在于，步骤s1中所述的基于随机拼接的数据增强的具体内容如下:首先，在待增强样本的合适范围内随机生成样本块拼接的基准点，以此点为交点沿纵横方向将待增强样本划分为左上、左下、右下、右上四个矩形区域；然后，随机选出用于填补左下、右下、右上区域的三个样本；即对包括待增强样本在内的四个样本，各自独立地随机选中一种子样本块筛选决策，包括范围内随机裁剪，邻接样本裁剪，完整样本多尺度随机缩放，按决策裁剪出样本块；最后将四个裁剪得到的样本块进行拼接，并对拼接边界做随机缺失处理，以消除拼接边界带来的混淆。

3.根据权利要求1所述的面向多源数据多区域尺度协同高分遥感图像语义分割方法，其特征在于，mrmscnet包括高分空间分支，高分语义分支，ndsm高分空间分支；其中高分空间分支，高分语义分支分别提取高分光学图像的空间特征与语义特征，ndsm高分空间分支提取ndsm图像的空间特征；ndsm图像的空间特征即对应区域的地物高程信息，与高分光学图像的信息互补；高分语义分支中使用条状交叉通道注意力模块scam增强该分支的高层次特征的特征表达能力；scam首先采用条形池化方式获取长条形地物、区分性局部细节和地物间的长距离依赖信息；再融合纵横方向上条形池化提取的不同特征得到通道维度上差异化特征的权值，实现对特征图不同通道的特征选择。

4.根据权利要求3所述的面向多源数据多区域尺度协同高分遥感图像语义分割方法，其特征在于，步骤s2中所述的高分语义...

【专利技术属性】
技术研发人员：翁谦，林易丰，陈浩，林嘉雯，潘增滢，林灵杰，徐辰昆，张滢滢，陈耿葳，陈模，
申请(专利权)人：福州大学，
类型：发明
国别省市：