[發明專利]基于超像素的遙感圖像提取方法、裝置、設備及存儲介質

在審

• 申請號: 202010794623.6
• 申請日: 2020-08-10
• 公開（公告）號: CN111860465A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 陳子儀;范文濤;鐘必能;杜吉祥
• 申請（專利權）人: 華僑大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06T7/11
• 代理公司: 廈門智慧呈睿知識產權代理事務所(普通合伙) 35222
• 代理人: 陳曉思

1.一種基于超像素的遙感圖像提取方法，其特征在于，包括以下步驟：

用超像素分割技術將訓練圖像分割成超像素塊，并以每個超像素塊的中心為中心，生成不同尺寸的模型訓練樣本；

根據生成的不同尺寸的模型訓練樣本，分別訓練生成不同掃描尺寸的卷積神經網絡模型；

利用訓練好的不同掃描尺寸的卷積神經網絡模型，對訓練圖像進行提取；

融合不同掃描尺寸的卷積神經網絡的提取結果生成高階卷積神經網絡的訓練樣本；

基于生成的高階卷積神經網絡的訓練樣本，訓練生成高階卷積神經網絡模型，并利用所述不同掃描尺寸的卷積神經網絡以及高階卷積神經網絡模型對待提取的遙感圖像進行目標提取。

2.根據權利要求1所述的基于超像素的遙感圖像提取方法，其特征在于，利用所述高階卷積神經網絡模型對待提取的遙感圖像進行目標提取具體為：用超像素分割技術將待提取的道路的遙感圖像分割成超像素塊；

對超像素塊進行二類分割，得到道路的潛在引導區域；

利用訓練好的不同掃描尺寸的神經網絡模型和高階卷積神經網絡模型對潛在引導區域進行掃描計算，得到最終提取結果。

3.根據權利要求1所述的一種基于超像素的遙感圖像提取方法，其特征在于，所述不同尺寸的模型訓練樣本包括正負樣本。

4.根據權利要求1所述的一種基于超像素的遙感圖像提取方法，其特征在于，在將不同掃描尺寸的卷積神經網絡的提取結果進行融合時，結合超像素分割結果，以超像素塊的中心為中心生成融合結果。

5.根據權利要求2所述的一種基于超像素的遙感圖像提取方法，其特征在于，對超像素塊進行二類分割，得到道路的潛在引導區域采用嵌入超像素的整體狄利克雷分割技術，所述嵌入超像素的整體狄利克雷分割技術進行二類分割是基于稀疏表示對狄利克雷混合模型參數的自動優化。

6.一種基于超像素的遙感圖像提取裝置，其特征在于，包括:

分割模塊，用于用超像素分割技術將訓練圖像分割成超像素塊，并以每個超像素塊的中心為中心，生成不同尺寸的模型訓練樣本；

訓練模塊，用于根據生成的不同尺寸的模型訓練樣本，分別訓練生成不同掃描尺寸的卷積神經網絡模型；

第一提取模塊，用于利用訓練好的不同掃描尺寸的卷積神經網絡模型，對訓練圖像進行提取；

融合模塊，用于融合不同掃描尺寸的卷積神經網絡的提取結果生成高階卷積神經網絡的訓練樣本；

第二提取模塊，基于生成的高階卷積神經網絡的訓練樣本，訓練生成高階卷積神經網絡模型，并利用所述不同掃描尺寸的卷積神經網絡以及高階卷積神經網絡模型對待提取的遙感圖像進行目標提取。

7.根據權利要求6所述的基于超像素的遙感圖像提取裝置，其特征在于，利用所述高階卷積神經網絡模型對待提取的遙感圖像進行目標提取具體為：用超像素分割技術將待提取的道路的遙感圖像分割成超像素塊；

對超像素塊進行二類分割，得到道路的潛在引導區域；

利用訓練好的不同掃描尺寸的神經網絡模型和高階卷積神經網絡模型對潛在引導區域進行掃描計算，得到最終提取結果。

8.根據權利要求7所述的一種基于超像素的遙感圖像提取方法，其特征在于，對超像素塊進行二類分割，得到道路的潛在引導區域采用嵌入超像素的整體狄利克雷分割技術，所述嵌入超像素的整體狄利克雷分割技術進行二類分割是基于稀疏表示對狄利克雷混合模型參數的自動優化。

9.一種基于超像素的遙感圖像提取設備，其特征在于，包括存儲器以及處理器，所述存儲器內存儲有計算機程序，所述處理器用于運行所述計算機程序以實現如權利要求1-5任意一項所述的一種基于超像素的遙感圖像提取方法。

10.一種存儲介質，其特征在于，所述存儲介質存儲有計算機程序，所述計算機程序能夠被所述存儲介質所在設備的處理器執行，以實現如權利要求1-5任意一項所述的一種基于超像素的遙感圖像提取方法。