【技术实现步骤摘要】
本专利技术涉及遥感图像处理，尤其是一种高分辨率遥感图像语义分割模型及分割方法。
技术介绍
1、在遥感图像处理领域，高分辨率遥感图像的语义分割技术具有广泛的应用前景，特别是在城市规划、土地利用分析和自然资源监测等领域。然而，现有的遥感图像语义分割方法主要基于单一模态数据，通常包括光学影像或雷达数据，这些方法在面对复杂环境、不同天气条件或地形特征时，容易出现分割精度不足的问题。
2、多模态融合技术通过结合来自不同传感器的数据，如光学图像、雷达图像和激光雷达数据，能够提供更丰富的环境信息，提升遥感图像分割的准确性。现有的多模态融合算法，如基于深度学习的特征融合方法，已经显示出较大的优势。
3、然而，现有的高分辨率遥感图像语义分割方法在多模态融合、噪声抑制和长距离依赖建模上存在不足，难以应对复杂场景，尤其在处理高分辨率影像时，计算成本高、分割精度低。主要问题包括：特征融合不足：多模态融合方法无法平衡不同模态特征，导致关键信息表达不充分，影响分割效果。噪声抑制弱：在多模态数据融合过程中，现有方法对数据噪声较为敏感，无法充分...
【技术保护点】
1.一种高分辨率遥感图像语义分割模型，其特征在于，包括特征表示与初步融合编码模块、深层特征处理与融合编码模块，以及解码与特征重建模块，所述特征表示与初步融合编码模块用于从多模态输入数据中提取初步特征，实现初步融合；所述深层特征处理与融合编码模块基于Transformer架构的多层编码器，通过多个层次的稀疏注意力机制和结合注意力的门控融合机制来实现特征的逐步增强与跨模态信息的深度融合；所述解码与特征重建模块通过逐步上采样和多尺度特征融合，将编码器生成的低分辨率特征图恢复至输入图像的高分辨率。
2.根据权利要求1所述的一种高分辨率遥感图像语义分割模型，其特征在...
【技术特征摘要】
1.一种高分辨率遥感图像语义分割模型，其特征在于，包括特征表示与初步融合编码模块、深层特征处理与融合编码模块，以及解码与特征重建模块，所述特征表示与初步融合编码模块用于从多模态输入数据中提取初步特征，实现初步融合；所述深层特征处理与融合编码模块基于transformer架构的多层编码器，通过多个层次的稀疏注意力机制和结合注意力的门控融合机制来实现特征的逐步增强与跨模态信息的深度融合；所述解码与特征重建模块通过逐步上采样和多尺度特征融合，将编码器生成的低分辨率特征图恢复至输入图像的高分辨率。
2.根据权利要求1所述的一种高分辨率遥感图像语义分割模型，其特征在于，所述特征表示与初步融合编码模块包括vis编码器 和 dsm 编码器，分别用于处理vis图像和 dsm数据，通过resnet结构进行特征提取，每个分支都使用标准二维卷积层进行卷积操作，并借助多个残差块来实现特征的提取与增强，每个残差块包含标准卷积层、relu激活层和组归一化层，在特征提取过程中，vis编码器 和 dsm 编码器均引入自适应加权融合模块。
3.根据权利要求2所述的一种高分辨率遥感图像语义分割模型，其特征在于，所述自适应加权融合模块由两个分支组成，用于处理来自 dsm 数据和 vis 数据的特征，在每个分支中，对输入特征进行全局平均池...
【专利技术属性】
技术研发人员：陈文倩，岳文蝶，常凯，刘鑫宇，谭凯俊，
申请(专利权)人：青岛理工大学，
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。