用于城市绿地提取的语义分割方法技术

本发明专利技术公开了一种用于城市绿地提取的语义分割方法，包括如下步骤：S1、获取Vaihingen高分辨率遥感影像语义分割数据集；S2、分别构建ST分支编码器和CNN分支编码器；S3、构建NPM模块；S4、构建EASPP模块；S5、构建CBAM模块；S6、将ST分支和CNN分支提取得到的深层特征图像进行融合；S7、在模型上采样的过程中，引入浅层特征；S8、在联合损失函数下进行模型训练，得到城市绿地提取结果图；S9、将STRD‑Net模型与CNN和Transformer系列模型进行对比。本发明专利技术更加关注重要特征，抑制不必要的特征，有效地克服了特征提取结果图的“椒盐”现象。

【技术实现步骤摘要】

本专利技术属于计算机视觉，更具体地说，涉及一种用于城市绿地提取的语义分割方法。

技术介绍

1、城市绿地是城市系统的重要组成部分，是城市环境和居民生活水平的重要标志。快速准确掌握城市绿地面积，对于城市居民的身心健康以及城市规划建设至关重要。受人类活动的影响，绝大多数的城市绿地都是由人工植被组成。人工植被主要有人工林、人工草地以及城市农田。其中，人工林可以改善空气质量、减少噪音污染以及调节城市气温，降低城市热岛效应。草地的根系能够牢固固定土壤，防止土壤侵蚀，维护土壤的健康。另外，由于人工草地同样可以用于城市农业种植各类农作物，因此，经常将城市农田与人工草坪合并为低矮植被。

2、伴随着计算机视觉领域快速发展，专家学者们提出了众多网络模型用于遥感影像中的城市绿地提取。这些模型大致可以分为两类：一类是由传统卷积运算构成的卷积神经网络(convolutionalneuralnetworks,cnn)模型；另一类是完全基于注意力机制的transformer系列模型。然而，上述两大类模型各自都有一定的局限性：基于cnn的方法，虽然在用于遥感影像城市绿地时局部特本文档来自技高网...

【技术保护点】

1.一种用于城市绿地提取的语义分割方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，S1具体为：

3.根据权利要求2所述的方法，其特征在于，在S2中，在ST分支编码器中，输入经过NDVI提取处理的遥感影像；Patch Partition模块将图像划分为非重叠的8×8的图像块；然后Linear Embedding模块将Patch Partition模块得到的图像块进行编码并进行线性映射，将其维度映射为C1；将得到的图像块放入由Swin Transformer块堆叠而成的ST分支编码器中；ST分支的编码器共分为四个特征提取阶段，每个阶段的图像...

【技术特征摘要】

1.一种用于城市绿地提取的语义分割方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，s1具体为：

3.根据权利要求2所述的方法，其特征在于，在s2中，在st分支编码器中，输入经过ndvi提取处理的遥感影像；patch partition模块将图像划分为非重叠的8×8的图像块；然后linear embedding模块将patch partition模块得到的图像块进行编码并进行线性映射，将其维度映射为c1；将得到的图像块放入由swin transformer块堆叠而成的st分支编码器中；st分支的编码器共分为四个特征提取阶段，每个阶段的图像输出为

4.根据权利要求1所述的方法，其特征在于，s3中，npm模块包括两个分支，分支一是具有空洞金字塔的瓶颈块，分支二引入了soft-pool；

5.根据权利要求4所述的方法，其特征在于，s4中，改进aspp模块，构建easpp模块，保留原本的1×1卷积以及三个3×3空洞卷积，利用soft-pool替换掉原本的全局平均池化，之后，使用defor...

【专利技术属性】
技术研发人员：于谋哲，何立恒，沈哲辉，那嘉明，唐程凯，吕萌，周阳萍，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：