【技术实现步骤摘要】
本专利技术属于图像分割领域，具体涉及一种基于编码器-解码器架构结合带状池化模块和aspp模块的田埂分割方法。
技术介绍
1、绘制和监测农田信息是遥感数据在农田管理领域最基本的用途之一。在农田育种过程中，田埂将农田划分为不同的作物区，帮助农民进行合理的种植安排和农作物管理。因此，精准高效地从低空遥感数据中，捕获农田田埂信息对农田管理和决策具有重要意义。
2、近年来，越来越多的研究利用遥感影像来分析农田分布信息。在处理遥感影像中，人工绘制农田分布信息的方式，易受主观因素影响，且数据来源分散，不利于统一的信息收集管理，难以满足高效的农田管理需求。机器学习的出现，为遥感影像的处理提供了相应的算法支持，帮助实现农田信息的自动化分割。传统的机器学习方法主要利用像素之间的关系实现分割，如利用决策树分类算法，根据图像像素之间的光谱相似度，生成农田空间分布图；通过区域划分的思想，根据平均局部方差进行农田分割；将原始彩色图像转为灰度图像，最小化直觉模糊散度得到最优阈值，以检测分割农田。
3、上述方法的实现更多依赖于像素的相似度，缺少对高分辨率图像的空间和纹理特征的提取，导致获取的农田信息的精度有限。随着深度学习的快速发展，卷积神经网络已经能够提取丰富的语义信息，从而缓解上述不足。基于编码器-解码器结构的神经网络能够在编码器中进行特征提取，在解码器中将提取到的深层特征上采样并与浅层特征相结合，能够提高农田分割任务中边缘区域的检测效果，但是在恢复分割结果过程中，缺少对不同感受野之间信息的提取。du等在农田分割研究中，为了能够精确
技术实现思路
1、本专利技术针对田埂形状狭窄，田埂信息在遥感影像中涉及的感受野范围广，边缘复杂且不规则的特征，提出一种基于编码器-解码器架构结合带状池化模块和aspp模块的田埂分割方法，能够精准分割出田埂信息。
2、技术方案：
3、一种基于编码器-解码器架构结合带状池化模块和aspp模块的田埂分割方法，包括以下步骤：
4、步骤1，采集农田田埂数据集，对影像中的田埂信息进行标注，制作数据集；
5、步骤2，建立分割模型，使用步骤1中制作的数据集训练田埂分割模型，其中，所述分割模型包括逐层特征提取的编码器结构、增强空间信息相关性的aspp模块、加强特征在带状方向上依赖关系的带状池化模块、将深层特征与浅层特征相融合的解码器结构；
6、步骤3，使用步骤2训练好的分割模型，输入农田影像，通过模型预测，输出农田田埂及背景区域。
7、作为优选，步骤1包括以下步骤：步骤1.1，标注数据集，使用envi软件对农田影像中的田埂信息进行标注，将农田影像中的田埂信息与其他背景标记为不同颜色，作为分割数据标签；步骤1.2，图片裁剪：将农田影像及标记好的数据标签统一裁剪为512*512分辨率大小，并重命名每个裁剪后的数据，将农田影像与数据标签名称相对应；步骤1.3，将处理过的田埂数据集进行整理，按比例划分为训练集和验证集。
8、作为优选，步骤2中，编码器进行逐层特征下采样，生成各层特征图，最后一层的特征图输入aspp模块的输入端以捕捉不同感受野下的特征信息，aspp模块的输出端连接解码器的输入端进行特征上采样，其中，解码器模块还包括若干个逐级连接的带状池化模块，将所述编码器模块输出的不同尺度特征图分别通过一个卷积模块连接至对应级的带状池化模块的输入端、与上一级上采样的输出进行concat连接，作为下一级上采样的输入，重复若干次这一上采样操作，最后一级带状池化模块的输出经过卷积处理，形成解码器的最终结果。
9、作为优选，步骤2的编码器下采样包括以下步骤：
10、步骤2.1，将待分割图像传入编码器中，输入为h*w*3的农田影像，即像素为h*w，通道数为3的二维图像，通过卷积块对田埂特征进行初步处理，该卷积块包含两组卷积层、归一化层和激活层，其中卷积层使用的卷积核为3*3，步长为1，通道数为32，提取大小为h*w*32的特征；
11、步骤2.2，将步骤2.1得到的特征依次传入下采样模块，逐层进行下采样，上一层下采样的输出作为下一层下采样的输入，每一层下采样得到一个特征图，最后一层得到的特征图为编码器模块的总输出。
12、作为优选，下采样模块数量为4个，输入像素为h*w，通道数为c的特征图，通过步长为2的最大池化提取显著特征，第一层下采样得到h/2*w/2，通道数为c的特征图，再将特征图输入卷积块中，第二层下采样得到h/2*w/2，通道数为2c的特征图，再将特征图输入卷积块中，第三层下采样得到h/2*w/2，通道数为4c的特征图，再将特征图输入卷积块中，最后一层下采样得到h/2*w/2，通道数为8c的特征图。
13、作为优选，步骤2中，在空洞卷积aspp模块中进行以下步骤：
14、步骤2.3，将编码器最后一层特征图传入四种不同空洞率的卷积块中分别并行处理，其中，第一块是空洞率为1的1×1普通卷积分支，剩余三块分别是空洞率为6、12和18的3×3卷积块分支，步长为1，输出通道数为输入通道数的一半，即每个空洞卷积块输出为h*w*c/2；
15、步骤2.4，将步骤2.3得到的四个h*w*c/2特征图进行concat拼接，拼接后的通道数为2c，并对拼接好的特征图进行卷积块操作，即将图片依次进行卷积conv、归一化batchnorm、激活函数relu，实现对拼接后特征的处理工作并通过上述卷积将通道数恢复为c/2。
16、作为优选，步骤2中，解码器过程与编码器过程相对应，并在解码器上采样过程中融合带状池化模块，具体包括以下步骤：
17、步骤2.5，将步骤2.4输出的特征进行上采样，将上采样后的特征与编码器输出的对应大小的特征图进行concat拼接，并对拼接后特征进行卷积操作；
18、步骤2.6，将得到的新的特征图传入下一级带状池化模块spblock中；
19、步骤2.7，重复步骤2.5-步骤2.6进行逐级上采样和带状池化操作，最后一级带状池化模块输出的特征图为解码器模块的总输出，对该总输出进行一个卷积操作以输出最终的特征结果。
20、作为优选，步骤2中，带状池化模块过程具体为：
21、步骤2.61，对输入特征使用h*1的条形池化核沿水平方向移动，对每一列中的所有特征值取均值，再通过1*3的带状卷积核进行卷积操作并归一化，之后复制特征将其扩展为h*w大小；
22、步骤2.62，与步骤2.61相对应，使用1*w的条形池化核和3*1的带状卷积核进行操作，其垂直条形池化和水平条形池化的输出如下：
23、
24、其中x为输入特征图；
25、步骤2.63，将步骤2.61与步骤2.62所得的特征图中对应相同位本文档来自技高网...
【技术保护点】
1.一种基于编码器-解码器架构结合带状池化和ASPP的田埂分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于编码器-解码器架构结合带状池化和ASPP的田埂分割方法，其特征在于，步骤1包括以下步骤：
3.根据权利要求1或2所述的基于编码器-解码器架构结合带状池化和ASPP的田埂分割方法，其特征在于，步骤2中，编码器进行逐层特征下采样，生成各层特征图，最后一层的特征图输入ASPP模块的输入端以捕捉不同感受野下的特征信息，ASPP模块的输出端连接解码器的输入端进行特征上采样，其中，解码器模块还包括若干个逐级连接的带状池化模块，将所述编码器模块输出的不同尺度特征图分别通过一个卷积模块连接至对应级的带状池化模块的输入端、与上一级上采样的输出进行Concat连接，作为下一级上采样的输入，重复若干次这一上采样操作，最后一级带状池化模块的输出经过卷积处理，形成解码器的最终结果。
4.根据权利要求3所述的基于编码器-解码器架构结合带状池化和ASPP的田埂分割方法，其特征在于，步骤2的编码器下采样包括以下步骤：
5.根据权利要求3所述的
6.根据权利要求3所述的基于编码器-解码器架构结合带状池化和ASPP的田埂分割方法，其特征在于，步骤2中，在空洞卷积ASPP模块中进行以下步骤：
7.根据权利要求3所述的基于编码器-解码器架构结合带状池化和ASPP的田埂分割方法，其特征在于，步骤2中，解码器过程与编码器过程相对应，并在解码器上采样过程中融合带状池化模块，具体包括以下步骤：
8.根据权利要求7所述的基于编码器-解码器架构结合带状池化和ASPP的田埂分割方法，其特征在于，步骤2中，带状池化模块过程具体为：
9.根据权利要求1所述的基于编码器-解码器架构结合带状池化和ASPP的田埂分割方法，其特征在于，所述步骤3的分割实现包括以下步骤：
10.一种基于编码器-解码器架构结合带状池化和ASPP的田埂分割系统，其特征在于，包括
...【技术特征摘要】
1.一种基于编码器-解码器架构结合带状池化和aspp的田埂分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于编码器-解码器架构结合带状池化和aspp的田埂分割方法，其特征在于，步骤1包括以下步骤：
3.根据权利要求1或2所述的基于编码器-解码器架构结合带状池化和aspp的田埂分割方法，其特征在于，步骤2中，编码器进行逐层特征下采样，生成各层特征图，最后一层的特征图输入aspp模块的输入端以捕捉不同感受野下的特征信息，aspp模块的输出端连接解码器的输入端进行特征上采样，其中，解码器模块还包括若干个逐级连接的带状池化模块，将所述编码器模块输出的不同尺度特征图分别通过一个卷积模块连接至对应级的带状池化模块的输入端、与上一级上采样的输出进行concat连接，作为下一级上采样的输入，重复若干次这一上采样操作，最后一级带状池化模块的输出经过卷积处理，形成解码器的最终结果。
4.根据权利要求3所述的基于编码器-解码器架构结合带状池化和aspp的田埂分割方法，其特征在于，步骤2的编码器下采样包括以下步骤：
5.根据权利要求3所述的基于编码器-解码器架构结合带状池化和aspp的田埂分割方法，其特征在于，下采样模块数量为4个，输入像素为h*...
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。