[發(fā)明專利]衛(wèi)星遙感圖像語義分割方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110444383.1
• 申請(qǐng)日: 2021-04-23
• 公開（公告）號(hào): CN113111835B
• 公開（公告）日: 2022-08-02
• 發(fā)明（設(shè)計(jì)）人: 王新;劉豪;王威;劉冠群;李驥;周思遠(yuǎn)
• 申請(qǐng)（專利權(quán)）人: 長(zhǎng)沙理工大學(xué)
• 主分類號(hào): G06V20/13
• 分類號(hào): G06V20/13;G06V10/26;G06V10/774;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 長(zhǎng)沙國(guó)科天河知識(shí)產(chǎn)權(quán)代理有限公司 43225
• 代理人: 邱軼

本申請(qǐng)涉及一種衛(wèi)星遙感圖像語義分割方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)，所述方法通過獲取衛(wèi)星遙感圖像，并對(duì)其進(jìn)行數(shù)據(jù)處理得到網(wǎng)絡(luò)訓(xùn)練樣本；構(gòu)建圖像語義分割網(wǎng)絡(luò)，利用絡(luò)訓(xùn)練樣本對(duì)圖像語義分割網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的圖像語義分割模型。獲取待測(cè)衛(wèi)星遙感圖像，并對(duì)待測(cè)衛(wèi)星遙感圖像進(jìn)行數(shù)據(jù)處理，將處理結(jié)果輸入到圖像語義分割模型中，得到分割好的圖像。圖像語義分割網(wǎng)絡(luò)的特征提取網(wǎng)絡(luò)通道特征權(quán)重提取模塊，該模塊用于從卷積模塊輸出的卷積特征圖中提取重要的通道特征，抑制不重要的通道特征；采樣網(wǎng)絡(luò)包括上采樣模塊；此模塊減少了模型參數(shù)量和計(jì)算量的同時(shí)提高了模型的分割效果，更有效地完成高分辨率遙感影像圖像語義分割任務(wù)。

技術(shù)領(lǐng)域

本申請(qǐng)涉及遙感圖像處理領(lǐng)域，特別是涉及衛(wèi)星遙感圖像語義分割方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

遙感圖像處理技術(shù)在近年來發(fā)展迅速，但是遙感產(chǎn)業(yè)化應(yīng)用仍停留在較低的階段。關(guān)鍵原因之一就是傳統(tǒng)的計(jì)算機(jī)視覺方法效率低下。因此，基于深度學(xué)習(xí)的語義分割已成為該領(lǐng)域的研究熱點(diǎn)，并廣泛應(yīng)用于土地檢測(cè)，植被分類，環(huán)境監(jiān)測(cè)，城市規(guī)劃和國(guó)防安全等領(lǐng)域。隨著深度學(xué)習(xí)理論的發(fā)展，遙感場(chǎng)景語義分割的性能也迅速提高。

雖然現(xiàn)有的研究成果在遙感圖像語義分割方面已經(jīng)取得了一些成果，但是對(duì)于高分辨率遙感影像圖像語義分割問題還沒有得到解決。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述技術(shù)問題，提供一種能夠解決高分辨率遙感影像圖像語義分割問題的衛(wèi)星遙感圖像語義分割方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)。

一種衛(wèi)星遙感圖像語義分割方法，所述方法包括：

獲取衛(wèi)星遙感圖像。

對(duì)所述衛(wèi)星遙感圖像進(jìn)行數(shù)據(jù)處理，得到網(wǎng)絡(luò)訓(xùn)練樣本。

構(gòu)建圖像語義分割網(wǎng)絡(luò)，所述圖像語義分割網(wǎng)絡(luò)包括：輸入網(wǎng)絡(luò)、特征提取網(wǎng)絡(luò)以及上采樣網(wǎng)絡(luò)；所述輸入網(wǎng)絡(luò)用于將網(wǎng)絡(luò)訓(xùn)練樣本進(jìn)行壓縮處理，得到壓縮特征圖；所述特征提取網(wǎng)絡(luò)包括卷積模塊和通道特征權(quán)重提取模塊，所述卷積模塊用于所述壓縮特征圖進(jìn)行特征提取，得到卷積特征圖；所述通道特征權(quán)重提取模塊用于從所述卷積特征圖中提取重要的通道特征，抑制不重要的通道特征，得到通道特征權(quán)重圖；所述上采樣網(wǎng)絡(luò)包括上采樣模塊；所述上采樣模塊用于將通道特征權(quán)重圖進(jìn)行點(diǎn)卷積將特征圖通道數(shù)減少為分割任務(wù)類別數(shù)，并對(duì)點(diǎn)卷積得到的特征圖進(jìn)行反卷積將特征圖恢復(fù)到原圖大小，得到分割好的圖像。

將所述網(wǎng)絡(luò)訓(xùn)練樣本輸入到所述圖像語義分割網(wǎng)絡(luò)中，對(duì)所述圖像語義分割網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的圖像語義分割模型。

獲取待測(cè)衛(wèi)星遙感圖像，并對(duì)所述待測(cè)衛(wèi)星遙感圖像進(jìn)行數(shù)據(jù)處理，得到待測(cè)圖像樣本。

將所述待測(cè)圖像樣本輸入到所述圖像語義分割模型中，得到分割好的圖像。

在其中一個(gè)實(shí)施例中，對(duì)衛(wèi)星遙感圖像進(jìn)行數(shù)據(jù)處理，得到網(wǎng)絡(luò)訓(xùn)練樣本，還包括：

根據(jù)預(yù)定需求把衛(wèi)星遙感圖像設(shè)置為特定大小輸出圖像。

對(duì)所述特定大小輸出圖像采用預(yù)設(shè)窗口進(jìn)行隨機(jī)窗口采樣，并隨機(jī)生成采樣坐標(biāo)，得到所述采樣坐標(biāo)下預(yù)設(shè)尺寸的圖像。

對(duì)所述預(yù)設(shè)尺寸的圖像進(jìn)行數(shù)據(jù)增強(qiáng)，隨機(jī)的進(jìn)行旋轉(zhuǎn)和水平、垂直翻轉(zhuǎn)、隨機(jī)伽馬變換、模糊、腐蝕、添加噪聲以及雙線性濾波，得到網(wǎng)絡(luò)訓(xùn)練樣本。

在其中一個(gè)實(shí)施例中，將所述網(wǎng)絡(luò)訓(xùn)練樣本輸入到所述圖像語義分割網(wǎng)絡(luò)中，對(duì)所述圖像語義分割網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的圖像語義分割模型，包括：

將所述網(wǎng)絡(luò)訓(xùn)練樣本輸入到所述輸入網(wǎng)絡(luò)中，得到壓縮特征圖。

將所述壓縮特征圖輸入到所述特征提取網(wǎng)絡(luò)中，得到通道特征權(quán)重圖。