【技术实现步骤摘要】
本专利技术涉及遥感图像语义分割，特别是涉及基于原型感知和边缘增强的遥感图像语义分割方法及系统。
技术介绍
1、遥感图像语义分割是指对遥感图像中的每个像素进行分类，将其标注为特定的语义类别，如森林、道路或建筑物等，在土地利用、环境监测、城市规划等领域具有重要应用。随着深度学习技术的快速发展，遥感图像的语义分割精度有了显著提升。然而，传统的深度学习方法通常依赖大量标注数据来训练模型，这对于遥感影像尤其困难和成本高昂。
2、少样本分割指的是在仅有少量标注数据的情况下，对图像中的目标进行准确的分割。具体来说，少样本分割任务通常利用少量的支持样本来引导模型进行查询图像的分割。这一方法不仅减少了对大规模数据集的依赖，还能在数据稀缺的情境下取得较好的分割效果。尤其在遥感领域，数据标注的高成本和低效性使得少样本分割成为一种非常有前景的解决方案。
3、然而，现有的传统少样本分割方法往往存在一定的局限性。大多数方法依赖于直接从支持图像获取单个原型来分割查询图像，这会导致语义模糊，难以区分出其类别，尤其是在样本数量少的情况下。此外大多...
【技术保护点】
1.基于原型感知和边缘增强的遥感图像语义分割方法，其特征是，包括：
2.如权利要求1所述的基于原型感知和边缘增强的遥感图像语义分割方法，其特征是，对K个支持图像进行特征提取，得到支持特征，是采用Resnet50网络作为特征提取器；对查询图像进行特征提取，得到查询特征，是采用Resnet50网络作为特征提取器；
3.如权利要求1所述的基于原型感知和边缘增强的遥感图像语义分割方法，其特征是，从支持特征中提取出若干个原型，具体过程包括：
4.如权利要求3所述的基于原型感知和边缘增强的遥感图像语义分割方法，其特征是，在概率混合模型PMMs训...
【技术特征摘要】
1.基于原型感知和边缘增强的遥感图像语义分割方法，其特征是，包括：
2.如权利要求1所述的基于原型感知和边缘增强的遥感图像语义分割方法，其特征是，对k个支持图像进行特征提取，得到支持特征，是采用resnet50网络作为特征提取器；对查询图像进行特征提取，得到查询特征，是采用resnet50网络作为特征提取器；
3.如权利要求1所述的基于原型感知和边缘增强的遥感图像语义分割方法，其特征是，从支持特征中提取出若干个原型，具体过程包括：
4.如权利要求3所述的基于原型感知和边缘增强的遥感图像语义分割方法，其特征是，在概率混合模型pmms训练过程中依据期望最大化算法进行优化，每次迭代以下步骤：
5.如权利要求1所述的基于原型感知和边缘增强的遥感图像语义分割方法，其特征是，所述基于原型对查询特征进行像素级特征匹配，得到全局匹配特征，包括：
6...
【专利技术属性】
技术研发人员：杨公平，胡扬成，刘铭浩，李志浩，刘一锟，
申请(专利权)人：山东大学，
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。