[發明專利]一種遙感圖像的分割方法及系統

在審

• 申請號: 201911111277.0
• 申請日: 2019-11-14
• 公開（公告）號: CN110852393A
• 公開（公告）日: 2020-02-28
• 發明（設計）人: 陳圣波;李慧盈
• 申請（專利權）人: 吉林高分遙感應用研究院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06T7/11;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 劉鳳玲

1.一種遙感圖像的分割方法，其特征在于，包括：

獲取用戶輸入的遙感影像樣本和每個樣本對應的地物標簽數據；

采用所述遙感影像樣本和所述地物標簽數據，利用神經網絡對識別分類模型進行訓練，得到神經網絡分類模型；

獲取待分割的遙感圖像；

采用所述神經網絡分類模型對所述待分割的遙感圖像進行分類，得到標注好地物標簽的分割結果。

2.根據權利要求1所述的遙感圖像的分割方法，其特征在于，所述采用所述遙感影像樣本和所述地物標簽數據，利用神經網絡對識別分類模型進行訓練，得到神經網絡分類模型，具體包括：

獲取用戶輸入的多項超參數；所述超參數包括學習率、批處理大小和迭代次數；

獲取所述用戶選擇的優化器類型、評估函數和損失函數；

采用封裝好的神經網絡，結合所述多項超參數、所述優化器類型、所述評估函數和所述損失函數，利用所述遙感影像樣本和所述地物標簽數據對所述識別分類模型進行訓練；

判斷當次訓練結束后的訓練狀態是否符合所述用戶輸入的預期條件，得到第一判斷結果；

當所述第一判斷結果表示當次訓練結束后的訓練狀態符合所述用戶輸入的預期條件時，訓練結束，將當次訓練結束后的識別分類模型確定為所述神經網絡分類模型；

當所述第一判斷結果表示當次訓練結束后的訓練狀態不符合所述用戶輸入的預期條件時，調整訓練參數，更新迭代次數；返回采用封裝好的神經網絡，結合所述多項超參數、所述優化器類型、所述評估函數和所述損失函數，利用所述遙感影像樣本和所述地物標簽數據對所述識別分類模型進行訓練的步驟。

3.根據權利要求2所述的遙感圖像的分割方法，其特征在于，所述采用封裝好的神經網絡，結合所述多項超參數、所述優化器類型、所述評估函數和所述損失函數，利用所述遙感影像樣本和所述地物標簽數據對所述識別分類模型進行訓練，具體包括：

對所述遙感影像樣本進行線性拉伸和歸一化操作，得到預處理的遙感影像樣本；

結合所述預處理的遙感影像樣本，采用所述封裝好的神經網絡對所述識別分類模型進行訓練。

4.根據權利要求1所述的遙感圖像的分割方法，其特征在于，所述神經網絡為U-net深度神經網絡。

5.根據權利要求1所述的遙感圖像的分割方法，其特征在于，所述采用所述神經網絡分類模型對所述待分割的遙感圖像進行分類，得到標注好地物標簽的分割結果，具體包括：

獲取用戶的輸入圖像；所述輸入圖像包括多張待分割的遙感圖像；

采用所述神經網絡分類模型對所述輸入圖像進行分類，得到所述輸入圖像每一塊區域的分類結果；

將每一塊區域的分類結果進行拼接，得到標注好地物標簽的分割結果。

6.一種遙感圖像的分割系統，其特征在于，包括：

輸入數據獲取模塊，用于獲取用戶輸入的遙感影像樣本和每個樣本對應的地物標簽數據；

訓練模塊，用于采用所述遙感影像樣本和所述地物標簽數據，利用神經網絡對識別分類模型進行訓練，得到神經網絡分類模型；

待分割圖像獲取模塊，用于獲取待分割的遙感圖像；

分類模塊，用于采用所述神經網絡分類模型對所述待分割的遙感圖像進行分類，得到標注好地物標簽的分割結果。