【技术实现步骤摘要】
本专利技术涉及目标分割领域，尤其涉及一种遥感影像虾稻田提取方法、设备及存储介质。
技术介绍
1、
2、传统的虾稻田提取方法主要是水体指数季相差异方法，该方法利用遥感影像构建自动水域提取指数、归一化植被指数、纹理等各种特征，然后采用面向对象的决策树、随机森林分类方法、ecogn it i on多尺度分割方法、简单非迭代聚类分割算法等进行虾稻田提取，这类方法的提取精度依赖于水体或植被的分析结果，其提取结果噪声、较多边界不够完整。
3、现有基于深度学习进行虾稻田提取的方法主要使用语义分割网络、边缘辅助分割网络等，提取精度优于传统方法，但存在无法提取对象级虾稻田的局限。
技术实现思路
1、本专利技术的目的在于：提出一种遥感影像虾稻田提取方法、设备及存储介质，解决现有技术对虾稻田提取不够准确的技术问题。
2、本专利技术提供的一种遥感影像虾稻田提取方法，包括以下步骤：
3、s1、构建遥感影像虾稻田提取的实例分割网络；所述实例分割网络为改进的yolov8-seg网络；所述改进的yolov8-seg网络包括：改进的backbone模块和改进的head模块；
4、s2、训练所述实例分割网络，通过基于掩膜轮廓和规整度的损失函数进行优化，得到训练完成的实例分割网络；
5、s3、利用所述训练完成的实例分割网络进行遥感影像虾稻田提取，得到虾稻田实例分割提取图。
6、一种存储介质，所述存储介质存储指令及数据用于实现一种遥感影像
7、一种遥感影像虾稻田提取设备，包括：处理器及所述存储介质；所述处理器加载并执行所述存储介质中的指令及数据用于实现一种遥感影像虾稻田提取方法。
8、本专利技术提供的有益效果是：本专利技术中通过改进虾稻田实例分割网络，其中pkdc2f结构能够丰富网络的感受野，提高模型的特征提取能力。而rwi结构通过不同尺寸不同层次特征图之间的融合，使模型能更好地理解图像中的语义信息，从而提高虾稻田提取精度。head模块使用四层特征图进行虾稻田提取，低层特征图的使用可以帮助模型更加准确的定位和提取虾稻田。使用基于掩膜轮廓和规整度的损失函数进行优化，使得提取结果轮廓更加精细、形态更加规整、可视化效果更佳。
本文档来自技高网...【技术保护点】
1.一种遥感影像虾稻田提取方法，其特征在于：方法包括以下步骤：
2.如权利要求1所述的一种遥感影像虾稻田提取方法，其特征在于：所述改进的Backbone模块在原始Backbone模块的C2f结构中，采用能增强网络感受野的PKDR结构作为Bottleneck，使原始C2f结构变为PKDC2f结构。
3.如权利要求2所述的一种遥感影像虾稻田提取方法，其特征在于：所述改进Backbone模块的结构如下：
4.如权利要求1所述的一种遥感影像虾稻田提取方法，其特征在于：所述改进的Head模块在原始Head模块中增加对低层特征图P2的利用以提高小型虾稻田的提取精度，并使用能融合P2、P3、P4和P5不同尺寸特征图信息的RWI结构，以及采用PKDC2f结构替换原始Head模块中的C2f结构。
5.如权利要求4所述的一种遥感影像虾稻田提取方法，其特征在于：所述改进Head模块的结构如下：
6.如权利要求1所述的一种遥感影像虾稻田提取方法，其特征在于：步骤S2中，基于掩膜轮廓和规整度的损失函数的具体计算过程如下：
7.一种存储
8.一种遥感影像虾稻田提取设备，其特征在于：包括：处理器及存储介质；所述处理器加载并执行存储介质中的指令及数据用于实现权利要求1～6任一项所述的一种遥感影像虾稻田提取方法。
...【技术特征摘要】
1.一种遥感影像虾稻田提取方法，其特征在于：方法包括以下步骤：
2.如权利要求1所述的一种遥感影像虾稻田提取方法，其特征在于：所述改进的backbone模块在原始backbone模块的c2f结构中，采用能增强网络感受野的pkdr结构作为bottleneck，使原始c2f结构变为pkdc2f结构。
3.如权利要求2所述的一种遥感影像虾稻田提取方法，其特征在于：所述改进backbone模块的结构如下：
4.如权利要求1所述的一种遥感影像虾稻田提取方法，其特征在于：所述改进的head模块在原始head模块中增加对低层特征图p2的利用以提高小型虾稻田的提取精度，并使用能融合p2、p3、p4和p5不同尺寸特征图...
【专利技术属性】
技术研发人员：谢凯乐，曹威，但唐明，郭明强，张敏，李兵，朱建军，刘书伟，徐川，刘松林，彭江涛，曹茜，李洪利，王均浩，赵保睿，
申请(专利权)人：湖北地信科技集团股份有限公司，
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。