System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于全局视野的遥感影像语义分割方法技术_技高网

一种基于全局视野的遥感影像语义分割方法技术

技术编号:41299240 阅读:6 留言:0更新日期:2024-05-13 14:47
本发明专利技术公开了一种基于全局视野的遥感影像语义分割方法,属于遥感影像处理领域。本发明专利技术分为三个阶段,第一阶段在各个斑块内部做分割和特征提取,第二阶段在斑块间进行轮廓拼接,第三阶段根据轮廓拼接的结果进行特征合并以及全局分类。本发明专利技术在斑块内不进行分类计算,只在斑块内进行特征提取,全局特征合并后再进行分类计算,从而有效避免滑块内强行进行分类而导致的滑块效应。

【技术实现步骤摘要】

本专利技术属于遥感影像处理领域,涉及一种基于全局视野的遥感影像语义分割方法


技术介绍

1、遥感影像是通过航空器、卫星等遥感平台获取的地球表面的图像数据。遥感技术利用电磁辐射原理,通过接收和记录地球表面的反射、辐射信号,将其转化为数字图像,用于分析和解释地表特征以及监测环境和地球变化。遥感影像可以提供丰富的地理信息,包括地表覆盖类型、植被生长状态、水文特征、土地利用、城市发展等。根据不同的遥感传感器,遥感影像可以有不同的波段和空间分辨率,以适应不同的应用需求。

2、遥感影像具有分辨率特别高的特点,而计算机的显存和内存是有限的,无法将高分辨率影像直接输入模型进行处理。目前,常用的解决方法主要有以下三种:

3、1、将遥感影像缩小影像到模型能够处理的尺度,此方法的优点是保持了全局视野,缺点是丢失了高分辨率影像的大量细节特征。

4、2、对高分辨率影像进行分块处理,每次处理高分辨率影像的一小块,然后将这些处理结果拼接起来,如图1所示,针对每一小块进行实例分割,输出对应的class(类别)和mask(掩码),此方法的优点是保留了高分辨率影像的细节特征,缺点是没有保持全局视野,每个小块做判决时如同盲人摸象,可能产生误判从而导致滑块效应的产生。尤其是,水道轮廓覆盖范围广且弯曲复杂,很容易造成同一水道在不同滑块中识别成不同的物体。

5、3、同时训练不同视野的网络实现渐进递归式分割,即先缩小影像进行全局分割,然后利用全局分割的结果引导每个滑块内部的局部分割,图2为简单的两级渐进递归式分割示意图,此方法的优点是结合了前两种方法的长处,缺点是全局网络分割的错误在指导局部分割时将得到放大,导致滑块效应残存,而且全局网络和局部网络要分开训练,渐进式分割的实施细节也及其复杂。


技术实现思路

1、针对高分辨率遥感影像的语义分割处理容易产生滑块现象的问题,本专利技术提供一种基于全局视野的遥感影像语义分割方法。

2、首先,将高分辨率的遥感影像裁剪成规则的斑块;

3、然后,利用实例分割模型对每个斑块进行特征提取,输出特征feature和掩码mask,feature由实例分割模型输出class的分支省略代价函数得到;

4、最后,将feature通过mask进行轮廓拼接,将拼接后的feature输入全局分类模型,进行特征合并和全局分类;

5、模型训练时,将实例分割模型与全局分类模型的参数合并训练,利用全局分类模型的分类误差反向传递来引导实例分割模型进行斑块的特征提取训练。

6、将单个语义分割的网络拆解成三个阶段,第一阶段在每个滑块内部做分割和特征提取;第二阶段在滑块间做小块拼接,第三阶段根据小块拼接的结果将特征合并做全局分类。

7、进一步的,实例分割模型为mask r-cnn、deeplab、pspnet、u-net、panet、yolact中的一种。

8、进一步的,全局分类模型主要由一个全局平均池化层与一个全连接分类层组成。

9、进一步的,将feature通过mask进行轮廓拼接的具体方法为,遍历所有mask,若某两个mask在对应边界上的a、b、c三点临近,则将这两个mask合并,其中点a为mask在边界上的上边缘,点b是mask在边界上的下边缘,点c是mask在边界上的均值。

10、本专利技术还提供一种遥感影像分割设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现上述遥感影像分割方法。

11、本专利技术还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序可被处理器执行以实现上述遥感影像分割方法的各个步骤。

12、本专利技术分为三个阶段,第一阶段在各个斑块内部做分割和特征提取,第二阶段在斑块间进行轮廓拼接,第三阶段根据轮廓拼接的结果进行特征合并以及全局分类。本专利技术在斑块内不进行分类计算,只在斑块内进行特征提取,全局特征合并后再进行分类计算,从而有效避免滑块内强行进行分类而导致的滑块效应。

本文档来自技高网...

【技术保护点】

1.一种基于全局视野的遥感影像分割方法,其特征在于,

2.根据权利要求1所述的遥感影像分割方法,其特征在于,实例分割模型为Mask R-CNN、DeepLab、PSPNet、U-Net、PANet、YOLACT中的一种。

3.根据权利要求1所述的遥感影像分割方法,其特征在于,全局分类模型主要由一个全局平均池化层与一个全连接分类层组成。

4.根据权利要求3所述的遥感影像分割方法,其特征在于,将feature通过mask进行轮廓拼接的具体方法为,遍历所有mask,若某两个mask在对应边界上的A、B、C三点临近,则将这两个mask合并,其中点A为mask在边界上的上边缘,点B是mask在边界上的下边缘,点C是mask在边界上的均值。

5.一种遥感影像分割设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现权利要求1-4任意一项所述的遥感影像分割方法。

6.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序可被处理器执行以实现权利要求1-4任意一项所述的遥感影像分割方法的各个步骤。

...

【技术特征摘要】

1.一种基于全局视野的遥感影像分割方法,其特征在于,

2.根据权利要求1所述的遥感影像分割方法,其特征在于,实例分割模型为mask r-cnn、deeplab、pspnet、u-net、panet、yolact中的一种。

3.根据权利要求1所述的遥感影像分割方法,其特征在于,全局分类模型主要由一个全局平均池化层与一个全连接分类层组成。

4.根据权利要求3所述的遥感影像分割方法,其特征在于,将feature通过mask进行轮廓拼接的具体方法为,遍历所有mask,若某两个mask在对应边...

【专利技术属性】
技术研发人员:闫超君费成效兰宇费家仓
申请(专利权)人:安徽水利水电职业技术学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1