高分辨率遥感图像语义分割无源域自适应方法及设备技术

本发明专利技术涉及遥感图像处理领域，公开了一种高分辨率遥感图像语义分割无源域自适应方法及设备，方法利用教师学生知识蒸馏的原型引导一致性学习模块，通过知识传递、数据增强和原型引导机制优化伪标签生成与质量，提升源域与目标域特征对齐，尤其在小地物识别上显著提高分割效果；通过跨域特征增强模块，利用通道自适应权重分配，增强对复杂边界和小地物的特征提取能力，从而提高目标域的分割精度；采用无源域自适应策略，在源域数据不可访问的情况下，基于预训练的源域模型优化目标域，解决数据隐私和安全问题，并提升跨域语义分割的泛化性能。本发明专利技术有效应对源域数据不可用的情况，显著提升了遥感图像中跨域难分类区域的分割精度。

【技术实现步骤摘要】

本专利技术涉及遥感图像处理领域，尤其涉及一种高分辨率遥感图像语义分割无源域自适应方法及设备。

技术介绍

1、遥感图像的语义分割在城市规划、环境监测、农业管理、灾害监测、军事等领域中得到了广泛的应用，是几十年来的一个关键研究课题。在遥感图像的语义分割任务中，数据标注的充分性对语义分割模型的性能至关重要，全监督方法通过使用大量标注数据来训练模型，能够实现较高的分割精度。

2、然而，获取足够的标注数据通常非常耗时且成本高昂，尤其是在高分辨率遥感图像中，标注过程通常需要专业人员参与。此外，全监督方法还存在一个显著的缺点，当训练数据和测试数据呈现不同的分布特征时，这些方法由于过分依赖训练数据的特征，难以适应新的领域(即测试数据)。在实际应用中，源域(即标注数据所在的领域)和目标域(即实际应用领域)之间的特征分布差异可能导致模型在目标域上的性能显著下降。

3、为了解决标注数据获取难题和跨域能力的局限性，无监督学习方法通过有标注的源域数据和无标注的目标域数据进行领域迁移学习，从而增强语义分割模型在目标域上的泛化能力。然而，在一些数据隐私保护要求相本文档来自技高网...

【技术保护点】

1.一种高分辨率遥感图像语义分割无源域自适应方法，其特征在于：方法包括以下步骤：

2.如权利要求1所述的一种高分辨率遥感图像语义分割无源域自适应方法，其特征在于：步骤S2具体如下：

3.如权利要求1所述的一种高分辨率遥感图像语义分割无源域自适应方法，其特征在于：步骤S3具体为：

4.如权利要求1所述的一种高分辨率遥感图像语义分割无源域自适应方法，其特征在于：步骤S4具体为：

5.如权利要求1所述的一种高分辨率遥感图像语义分割无源域自适应方法，其特征在于：步骤S5具体为：

6.如权利要求1所述的一种高分辨率遥感图像语义分割无源域自...

【技术特征摘要】

1.一种高分辨率遥感图像语义分割无源域自适应方法，其特征在于：方法包括以下步骤：

2.如权利要求1所述的一种高分辨率遥感图像语义分割无源域自适应方法，其特征在于：步骤s2具体如下：

3.如权利要求1所述的一种高分辨率遥感图像语义分割无源域自适应方法，其特征在于：步骤s3具体为：

4.如权利要求1所述的一种高分辨率遥感图像语义分割无源域自适应方法，其特征在于：步骤s4具体为：

5.如权利要求1所述的一种高分辨率遥感图像语义分割无源域自适应方法，其特征在于：步骤s5具体为：

6.如权利要求1所述的一种高分辨率遥感图像语义分割无源域自适应方法，其特征在于...

【专利技术属性】
技术研发人员：王渝，周顺平，龚思诗，闵楠，赵宇翔，方芳，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：