[發明專利]基于場景識別任務下的遙感圖像目標提取方法

有效

• 申請號: 201910053342.2
• 申請日: 2019-01-21
• 公開（公告）號: CN109784283B
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 汪西莉;馮晨霄
• 申請（專利權）人: 陜西師范大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 覃婧嬋

1.一種基于場景識別任務下的遙感圖像目標提取方法，包括如下步驟：

S100：輸入原始遙感圖像；

S200：從所述原始遙感圖像中提取目標場景圖像并得到所述目標場景圖像的目錄文件；

S300：按照所述目標場景圖像的目錄文件，從不同類型的圖像文件夾中獲取對應同一目標場景的不同類型的圖像后，將其輸入改進后的分割網絡，進行目標提取；其中改進后的分割網絡是對作為圖像分割的主干網絡卷積-反卷積網絡進行改進，具體為：

S301：采用卷積-反卷積網絡作為圖像分割的主干網絡；

S302：在所述主干網絡中加入全分辨率網絡分支；

S303：在所述主干網絡與所述全分辨率網絡分支之間建立數據交流機制，全分辨率網絡分支前半段逐步匯聚來自主干網絡卷積各階段的多級尺度特征，全分辨率網絡分支后半段則為主干網絡反卷積各階段提供匯聚后的多級尺度特征；

S304：在所述改進后的分割網絡末端，對不同類型的圖像作為輸入得到的類別預測概率圖進行加權融合；

S400：輸出所提取的目標結果；

其中，步驟S200進一步包括如下步驟：

S201：將所述原始遙感圖像分割裁剪，獲取不同場景的遙感圖像區域；

S202：利用深度卷積神經網絡對所述不同場景的遙感圖像區域進行分類，獲取目標場景圖像并得到這些目標場景圖像的目錄文件；

其中，所述深度卷積神經網絡包含13個卷積層和3個全連接層；

其中，步驟S301中的卷積階段包含13個卷積層和5個池化層，反卷積階段與卷積階段呈鏡像對稱關系，包含13個反卷積層和5個解池化層；

其中，所述卷積階段的13個卷積層被劃分為五個卷積階段，第一個卷積階段和第二個卷積階段各包含兩個卷積層，第三卷積階段、第四卷積階段和第五卷積階段各包含三個卷積層；

其中，步驟S303中所述全分辨率網絡分支前半段逐步匯聚來自主干網絡卷積各階段的多級尺度特征具體為：

對所述主干網絡第二、三、四、五卷積階段只選擇最后一層卷積特征圖，使用反卷積操作將各特征圖進行擴大，與第一卷積階段輸出特征圖做逐像素逐步相加融合；

其中，步驟S303中所述全分辨率網絡分支后半段則為主干網絡反卷積各階段提供匯聚后的多級尺度信息具體為：

匯聚后的多級尺度信息按不同尺寸進行池化操作，并將池化后的特征圖與對應反卷積階段輸出特征圖相連接。

2.根據權利要求1的方法，其中，在每個卷積層之后包含一個批量歸一化單元和一個修正線性單元，其中批量歸一化單元將提取到的特征數據進行歸一化，修正線性單元用于加入非線性因素；在每個卷積階段之后包含一個池化層。

3.根據權利要求1的方法，其中，步驟S302中所述全分辨率網絡分支具體為：

對作為分割的主干網絡卷積-反卷積網絡進行改進，在第一卷積階段后分兩支數據流，一支數據流后接池化層隨主干網絡繼續向后傳遞，特征分辨率減小再增大，另一支數據流則匯聚多級尺度特征并以原始特征分辨率向后傳遞，使得特征分辨率保持不變。