[發(fā)明專利]基于置信點(diǎn)的遙感圖像分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910494015.0
• 申請(qǐng)日: 2019-06-08
• 公開（公告）號(hào): CN110211138B
• 公開（公告）日: 2022-12-02
• 發(fā)明（設(shè)計(jì)）人: 焦李成;張夢(mèng)璇;黃鐘鍵;馮雨歆;陳悉兒;屈嶸;丁靜怡;張丹;李玲玲;郭雨薇;唐旭;馮志璽
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06N3/04
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 田文英;王品華

1.一種基于置信點(diǎn)的遙感圖像分割方法，其特征在于，利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)地物類別標(biāo)簽，融合根據(jù)多視圖與雙數(shù)據(jù)模型所獲得的類別標(biāo)簽，利用置信點(diǎn)修正分割圖中的建筑物類別，該方法的步驟包括如下：

(1)構(gòu)建LinkNet神經(jīng)網(wǎng)絡(luò)：

(1a)搭建一個(gè)14層的LinkNet神經(jīng)網(wǎng)絡(luò)；

(1b)設(shè)置LinkNet神經(jīng)網(wǎng)絡(luò)中各層的參數(shù)；

(2)生成兩個(gè)訓(xùn)練集：

(2a)從遙感圖像數(shù)據(jù)集中選取至少20000張圖像，組成基礎(chǔ)訓(xùn)練集，其中選10000張紅綠藍(lán)RGB圖像，其余的10000張為多光譜圖像；基礎(chǔ)訓(xùn)練集中的每張圖像的每一個(gè)像素的地物類別標(biāo)簽為道路、高架橋、建筑物、植被和地面五種地物類別標(biāo)簽中的一種，每張紅綠藍(lán)RGB圖像對(duì)應(yīng)一個(gè)衛(wèi)星拍攝區(qū)域，每張多光譜圖像均包含八波段信息，每張多光譜圖像的衛(wèi)星拍攝區(qū)域與每張紅綠藍(lán)RGB圖像的衛(wèi)星拍攝區(qū)域?qū)?yīng)相同；

(2b)利用合成方法，將基礎(chǔ)訓(xùn)練集中所有的紅綠藍(lán)RGB圖像合成為增強(qiáng)型紅綠藍(lán)RGB圖像，作為第一個(gè)訓(xùn)練集；

(2c)利用合成方法，將基礎(chǔ)訓(xùn)練集中所有的多光譜圖像合成為多波段偽彩色圖像，作為第二個(gè)訓(xùn)練集；

(3)訓(xùn)練神經(jīng)網(wǎng)絡(luò)：

(3a)將第一個(gè)訓(xùn)練集輸入到LinkNet網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，得到訓(xùn)練好的第一個(gè)分割網(wǎng)絡(luò)；

(3b)將第二個(gè)訓(xùn)練集輸入到LinkNet網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，得到訓(xùn)練好的第二個(gè)分割網(wǎng)絡(luò)；

(4)生成兩個(gè)測(cè)試集：

(4a)從遙感圖像數(shù)據(jù)集中選取至少6000張圖像，組成基礎(chǔ)測(cè)試集，其中選3000張紅綠藍(lán)RGB圖像，其余的3000張為多光譜圖像；基礎(chǔ)測(cè)試集中的每張圖像的每一個(gè)像素的地物類別標(biāo)簽為道路、高架橋、建筑物、植被和地面五種地物類別標(biāo)簽中的一種，每張紅綠藍(lán)RGB圖像對(duì)應(yīng)一個(gè)衛(wèi)星拍攝區(qū)域，每張多光譜圖像均包含八波段信息，每張多光譜圖像的衛(wèi)星拍攝區(qū)域與每張紅綠藍(lán)RGB圖像的衛(wèi)星拍攝區(qū)域?qū)?yīng)相同；

(4b)利用合成方法，將基礎(chǔ)測(cè)試集中的紅綠藍(lán)RGB圖像合成為增強(qiáng)型紅綠藍(lán)RGB圖像，作為第一個(gè)測(cè)試集；

(4c)利用合成方法，將基礎(chǔ)測(cè)試集中的多光譜圖像合成為多波段偽彩色圖像，作為第二個(gè)測(cè)試集；

(5)對(duì)測(cè)試集進(jìn)行地物類別標(biāo)簽預(yù)測(cè)：

(5a)將第一個(gè)測(cè)試集的每一張圖像依次輸入到第一個(gè)分割網(wǎng)絡(luò)中，輸出第一個(gè)測(cè)試集中每一張圖像中的每一個(gè)像素的地物類別標(biāo)簽及每一張圖像中的每一個(gè)像素的地物類別標(biāo)簽概率值；

(5b)將第二個(gè)測(cè)試集的每一張圖像依次輸入到第二個(gè)分割網(wǎng)絡(luò)中，輸出第二個(gè)測(cè)試集中每一張圖像中的每一個(gè)像素的地物類別標(biāo)簽及每一張圖像中的每一個(gè)像素的地物類別標(biāo)簽概率值；

(6)標(biāo)記每個(gè)置信點(diǎn)像素：

遍歷第一個(gè)測(cè)試集中每張圖像中的每個(gè)像素；將其中像素的地物類別標(biāo)簽概率值大于0.9的所有的像素均標(biāo)記為置信點(diǎn)像素；

(7)修正建筑物類別：

遍歷第一個(gè)測(cè)試集中所有地物類別標(biāo)簽為建筑物的每個(gè)像素，將與每個(gè)像素相鄰5×5個(gè)像素點(diǎn)范圍內(nèi)存在置信點(diǎn)像素的所有像素的地物類別標(biāo)簽均更改為建筑物，其余的像素的地物類別標(biāo)簽均更改為地面；得到更新后的第一個(gè)測(cè)試集中每一張圖像中的每一個(gè)像素的地物類別標(biāo)簽；

(8)更新植物類別：

(8a)將第二個(gè)測(cè)試集中所有類別為植被的像素對(duì)應(yīng)于海岸線波段Coastal的像素值的均值與0.8相乘，得到海岸線波段Coastal的閾值，將第二個(gè)測(cè)試集中所有類別為植被的像素對(duì)應(yīng)于黃色波段Yellow的像素值的均值與0.8相乘，得到黃色波段Yellow的閾值，將第二個(gè)測(cè)試集中所有類別為植被的像素對(duì)應(yīng)于近紅外二波段NIR2的像素值的均值與0.2相乘，得到近紅外二波段NIR2的閾值；

(8b)遍歷第二個(gè)測(cè)試集中每一張圖像中的每一個(gè)像素，將地物類別標(biāo)簽概率值小于等于0.5、對(duì)應(yīng)于海岸線波段Coastal的像素值小于海岸線波段Coastal的閾值、黃色波段Yellow的像素值小于黃色波段Yellow的閾值、近紅外二波段NIR2的像素值大于近紅外二波段NIR2的閾值的所有像素的地物類別標(biāo)簽均更新為植被，其余的像素均保持原有的地物類別標(biāo)簽不變；得到更新后的第二個(gè)測(cè)試集中每一張圖像中的每一個(gè)像素的地物類別標(biāo)簽；

(9)得到最終的地物類別標(biāo)簽：

(9a)用更新后的第二個(gè)測(cè)試集中每一張圖像中的每一個(gè)像素的植被類別標(biāo)簽，替換更新后的第一個(gè)測(cè)試集中每一張圖像中的每一個(gè)像素的植被類別標(biāo)簽，得到植被類別替換后的第一個(gè)測(cè)試集中每一張圖像中的每一個(gè)像素的地物類別標(biāo)簽；

(9b)植被類別替換后的第一個(gè)測(cè)試集中每一張圖像中的每一個(gè)像素的地物類別標(biāo)簽，作為遙感圖像分割后的地物類別標(biāo)簽。