[發(fā)明專利]一種基于多尺度特征融合的遙感圖像分割方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110397544.6
• 申請(qǐng)日: 2021-04-14
• 公開(kāi)（公告）號(hào): CN112801109A
• 公開(kāi)（公告）日: 2021-05-14
• 發(fā)明（設(shè)計(jì)）人: 丁冬睿;申朕;張凱
• 申請(qǐng)（專利權(quán)）人: 廣東眾聚人工智能科技有限公司
• 主分類號(hào): G06K9/34
• 分類號(hào): G06K9/34;G06K9/46;G06K9/62;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明提供了一種基于多尺度特征融合的遙感圖像分割方法及系統(tǒng)。該方案包括對(duì)遙感衛(wèi)星圖像進(jìn)行數(shù)據(jù)集劃分，輸出訓(xùn)練數(shù)據(jù)集、驗(yàn)證數(shù)據(jù)集、模型測(cè)試數(shù)據(jù)集；獲取所述訓(xùn)練數(shù)據(jù)集中的全部的訓(xùn)練圖像，并進(jìn)行預(yù)處理，進(jìn)而生成樣本空間，預(yù)處理包括隨機(jī)翻轉(zhuǎn)、裁剪、高斯模糊和歸一化處理；使用樣本空間中的圖像進(jìn)行訓(xùn)練和預(yù)測(cè)，生成目標(biāo)圖像語(yǔ)義分類，并采用Focal Loss損失函數(shù)進(jìn)行多尺度特征融合的遙感圖像分割模型修正；將所述多尺度特征融合的遙感圖像分割模型打包成可執(zhí)行文件并保存為分割系統(tǒng)。該方案進(jìn)行分割預(yù)測(cè)，并使用Focal Loss損失函數(shù)在訓(xùn)練過(guò)程中加大困難樣本的懲罰力度，提升遙感圖像分割精度。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，更具體地，涉及一種基于多尺度特征融合的遙感圖像分割方法及系統(tǒng)。

背景技術(shù)

遙感是指利用飛行器攜帶的傳感器對(duì)目標(biāo)進(jìn)行遠(yuǎn)距離的勘測(cè)，其主要表現(xiàn)形式為遠(yuǎn)距離成像。隨著遙感技術(shù)與深度學(xué)習(xí)技術(shù)的不斷完善和提高以及硬件設(shè)備的不斷發(fā)展，遙感圖像的應(yīng)用已經(jīng)與我們的生活息息相關(guān)。遙感圖像解譯廣泛應(yīng)用于地理國(guó)情勘測(cè)、國(guó)土資源調(diào)查、城市建設(shè)、農(nóng)業(yè)生產(chǎn)與森林防護(hù)等領(lǐng)域，它已經(jīng)逐漸成為人們對(duì)地球地面理解的重要方式。而遙感圖像語(yǔ)義分割在遙感圖像解譯中扮演重要角色，是低高層遙感圖像處理及分析的重要銜接。若語(yǔ)義分割后得到的遙感圖像分割效果精準(zhǔn)，就能提高遙感圖像解譯的可信度。

但現(xiàn)有的對(duì)遙感圖像的應(yīng)用處于可視化解譯階段，自動(dòng)化程度較低。主要原因是遙感圖像語(yǔ)義分割方法的效率不足以支持現(xiàn)有的應(yīng)用。目前遙感圖像語(yǔ)義分割面臨的主要困難有：1）遙感圖像分辨率逐漸提高，促使蘊(yùn)含的信息增多，使數(shù)據(jù)提取越發(fā)困難。2）受分割目標(biāo)類別分布不平衡，不同分割目標(biāo)邊緣易重疊，個(gè)別分割目標(biāo)尺寸較小，紋理細(xì)節(jié)難以分辨等因素的影響，傳統(tǒng)的語(yǔ)義分割方法準(zhǔn)確率較低，計(jì)算時(shí)效較差，難以在大規(guī)模部署和實(shí)時(shí)環(huán)境下有效應(yīng)用。3）精確的人工標(biāo)記不僅需要耗費(fèi)大量時(shí)間精力，而且容易導(dǎo)致深度神經(jīng)網(wǎng)絡(luò)的脆弱性與泛化能力差等問(wèn)題，即修改一個(gè)像素，就能使神經(jīng)網(wǎng)絡(luò)識(shí)別圖像出錯(cuò)。如何在不精確人工標(biāo)注的小樣本訓(xùn)練數(shù)據(jù)上提升模型的分割準(zhǔn)確率一直是難題。

發(fā)明內(nèi)容

鑒于上述問(wèn)題，本發(fā)明提出了一種基于多尺度特征融合的遙感圖像分割方法及系統(tǒng)，其可以實(shí)現(xiàn)遙感圖像語(yǔ)義分割方法的準(zhǔn)確率提升。

根據(jù)本發(fā)明實(shí)施例的第一方面，提供一種基于多尺度特征融合的遙感圖像分割方法，具體包括：

獲取遙感衛(wèi)星圖像，對(duì)所述遙感衛(wèi)星圖像進(jìn)行數(shù)據(jù)集劃分，輸出訓(xùn)練數(shù)據(jù)集、驗(yàn)證數(shù)據(jù)集、模型測(cè)試數(shù)據(jù)集；

獲取所述訓(xùn)練數(shù)據(jù)集中的全部的訓(xùn)練圖像，并對(duì)全部的訓(xùn)練圖像進(jìn)行預(yù)處理，預(yù)處理生成的圖像存儲(chǔ)到樣本空間，所述預(yù)處理包括隨機(jī)翻轉(zhuǎn)、裁剪、高斯模糊和歸一化處理；

使用所述樣本空間中的圖像進(jìn)行訓(xùn)練和預(yù)測(cè)，生成目標(biāo)圖像語(yǔ)義分類，并采用Focal Loss損失函數(shù)進(jìn)行多尺度特征融合的遙感圖像分割模型修正；

將所述多尺度特征融合的遙感圖像分割模型打包成可執(zhí)行文件，并打包所述可執(zhí)行文件為分割系統(tǒng)。

在一個(gè)或多個(gè)實(shí)施例中，優(yōu)選地，所述獲取遙感衛(wèi)星圖像，對(duì)所述遙感衛(wèi)星圖像進(jìn)行數(shù)據(jù)集劃分，輸出訓(xùn)練數(shù)據(jù)集、驗(yàn)證數(shù)據(jù)集、模型測(cè)試數(shù)據(jù)集，具體包括：

通過(guò)遙感拍攝、數(shù)據(jù)錄入和網(wǎng)絡(luò)查詢方式獲取所述遙感衛(wèi)星圖像，并保存到初始遙感衛(wèi)星圖像集；

對(duì)所述初始遙感衛(wèi)星圖像集進(jìn)行初始篩選，刪除圖像質(zhì)量低于預(yù)設(shè)圖像采集裕度的圖像，并保存為遙感衛(wèi)星圖像集；

對(duì)所述遙感衛(wèi)星圖像集進(jìn)行圖像數(shù)據(jù)統(tǒng)計(jì)，獲得圖像采集張數(shù)；

當(dāng)所述圖像采集張數(shù)超過(guò)預(yù)設(shè)的特征分析門檻值時(shí)，在所述遙感衛(wèi)星圖像集中，隨機(jī)抽取大于所述圖像采集張數(shù)的60%的整數(shù)張圖像作為所述訓(xùn)練數(shù)據(jù)集，并將剩余圖像保存到中間數(shù)據(jù)集；

在所述中間數(shù)據(jù)集中，隨機(jī)抽取大于所述圖像采集張數(shù)的10%的整數(shù)張圖像作為所述驗(yàn)證數(shù)據(jù)集，并將剩余圖像保存到所述模型測(cè)試數(shù)據(jù)集。