[發明專利]融合改進UNet和SegNet的遙感圖像語義分割方法

有效

• 申請號: 202010475602.8
• 申請日: 2020-05-29
• 公開（公告）號: CN111783782B
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 王鑫;戴慧鳳;呂國芳
• 申請（專利權）人: 河海大學
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V10/764;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 湯金燕

1.一種融合改進UNet和SegNet的遙感圖像語義分割方法，其特征在于，包括如下步驟：

S10，將批處理規范化加在UNet神經網絡的卷積層和激活層中間，采用ELU激活函數代替ReLU激活函數，采用訓練二分類的方式分別訓練每一個語義分割類別，將各個二分類訓練的模型進行合并，以得到改進UNet神經網絡；

S20，在SegNet神經網絡的編碼過程中，在最大池化操作后，引入SegNet神經網絡中前面設定層的結果進行卷積操作，對卷積操作的結果進行階躍短路連接，以減少SegNet的部分網絡層數，得到改進SegNet神經網絡；

S30，融合所述改進UNet神經網絡和改進SegNet神經網絡，得到遙感圖像語義分割模型，采用所述遙感圖像語義分割模型對遙感圖像進行語義分割。

2.根據權利要求1所述的融合改進UNet和SegNet的遙感圖像語義分割方法，其特征在于，所述ReLU激活函數包括：

其中，x表示輸入量。

3.根據權利要求1所述的融合改進UNet和SegNet的遙感圖像語義分割方法，其特征在于，所述ELU激活函數包括：

其中，x表示輸入量，a表示隨機參數。

4.根據權利要求1所述的融合改進UNet和SegNet的遙感圖像語義分割方法，其特征在于，在SegNet神經網絡的編碼過程中，在最大池化操作后，引入SegNet神經網絡中前面設定層的結果進行卷積操作，對卷積操作的結果進行階躍短路連接，以減少SegNet的部分網絡層數，得到改進SegNet神經網絡包括：

為了提高位置信息的保留度，引入短路鏈接，在SegNet神經網絡的pool1、pool2和pool3后引入前面設定層(inputs,pool)的輸出進行合并，分別將前面設定層的輸入直接連接到后面的SegNet神經網絡中一起訓練；

SegNet神經網絡的編碼過程分為四個部分，均由兩個3×3的卷積層和一個2×2的池化層組成，解碼過程同樣也分為四個部分，由一個2×2的反卷積層和兩個3×3的卷積層組成，之后在SegNet神經網絡的末端加入了一個卷積操作，再連接一個softmax分類器，使該SegNet神經網絡共有9次卷積操作和8次反卷積操作，所有的卷積以及反卷積均采用3×3的卷積核，滑動步長為1，池化操作均采用max池化的方法，采用2×2的滑動窗口，步長為2，以得到改進SegNet神經網絡。

5.根據權利要求1所述的融合改進UNet和SegNet的遙感圖像語義分割方法，其特征在于，融合所述改進UNet神經網絡和改進SegNet神經網絡，得到遙感圖像語義分割模型包括：

在分別對改進UNet神經網絡和改進SegNet神經網絡進行訓練以后，將其訓練結果進行連接，加入一個softmax分類器，形成一個新的分割模型，得到遙感圖像語義分割模型。