[發明專利]基于U-Net的遙感圖像地物分割方法

在審

• 申請號: 202010031038.0
• 申請日: 2020-01-13
• 公開（公告）號: CN111242028A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 李玉鑑;李冬冬;張婷;劉兆英
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

1.基于U-Net的遙感圖像地物分割方法，其特征在于：該方法的實施過程如下：

步驟1：對多光譜遙感影像數據I_m的地物區域使用ArcGIS軟件進行人工標注并轉化為WKT格式的信息，1≤m≤M，(M為數據集的總數據量)；

步驟2：使用Python讀取WKT格式的信息,得到Polygon格式的圖像,讀取圖像的像素矩陣信息并修改為單通道的圖像，對應的數據信息是掩模矩陣M_m，對應的標簽信息為L_m；

步驟3：將寬和高分別為W和H的I_m與L_m以同樣方式進行裁剪，得到N幅寬和高分別為r和c的圖像I'_n和L'_n，并組成樣本對(I'_n,L'_n)；r＜＝M,c＜＝H，1≤n≤N；

步驟4：將樣本對以9：1的比例劃分為訓練集(I'_p,L'_p)和測試集(I'_q,L'_q)，其中訓練集和測試集中無重復圖像，且N_train+N_test＝N；1≤p≤N_train，1≤q≤N_test；

步驟5：構建U-Net網絡，設置迭代次數、學習率超參數；

步驟6：使用交叉熵損失函數和杰卡德系數構造損失函數Loss，

步驟7：輸入訓練集(I'_p,L'_p)進行網絡訓練，待網絡收斂后保存訓練好的模型，并使用測試集(I'_q,L'_q)進行測試，得到杰卡德系數；

步驟8：根據測試結果，得到預測矩陣pred_mask；然后，設定掩膜閾值threadhold∈[0，1]將預測后的pred_mask轉化為單通道的掩模矩陣形式；最后，使用杰卡德相關系數在像素級別上對模型的預測結果進行評估。

2.根據權利要求1所述的基于U-Net的遙感圖像地物分割方法，其特征在于：步驟6的損失函數Loss如下：

Loss＝H-logJ (3)

其中，N_train為訓練集的大小，y_p為像素點真實的類別概率，為像素點預測的類別概率，H為交叉熵損失函數，J為杰卡德系數。