[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

本發明提供一種基于超像素的遙感圖像提取方法、裝置、設備及存儲介質，方法包括：用超像素分割技術將訓練圖像分割成超像素塊，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。本發明通過超像素塊掃描，大大提升了處理的速度。

技術領域

本發明涉及圖像提取領域，具體而言，涉及一種基于超像素的遙感圖像提取方法、裝置、設備及存儲介質。

背景技術

遙感圖像處理在地圖更新、目標識別等具有重要應用，例如土地、草地、森林和濕地覆蓋監測和道路識別均運用遙感圖像處理，但目前的基于局部狄利克雷混合模型與多尺度高階深度學習的遙感圖像道路提取技術，不管是狄利克雷階段還是深度學習階段，都是逐像素處理，逐像素的處理導致處理速度極慢。例如，一張尺寸為1131×1589的遙感圖像，其整體處理時間需要2.1個小時。尤其是多尺度高階深度學習的逐像素掃描，需要耗費大量的計算能力和時間。

發明內容

本發明的目的在于提供一種基于超像素的遙感圖像提取方法、裝置、設備及存儲介質用以解決遙感圖像提取耗費大量的計算能力和時間的問題。

為實現上述目的，本發明實施例提供一種基于超像素的遙感圖像提取方法，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。

進一步的，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。

更進一步的，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。

進一步的，所述不同尺寸的模型訓練樣本包括正負樣本。

進一步的，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。

本發明還提供一種基于超像素的遙感圖像提取裝置，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；