一种应用于高分辨率遥感图像的端到端语义分割方法与流程

技术特征：
1.一种应用于高分辨率遥感图像的端到端语义分割方法，其特征在于，包括以下步骤：步骤1，对高分辨率遥感图像进行归一化，并利用基于残差神经网络的编码器对归一化后的遥感图像进行特征提取；步骤2，构建密集空洞连接金字塔模块，通过水平和竖直方向堆叠不同个数以及不同空洞率的空洞卷积来获取高分辨率遥感图像中的全局语义信息；步骤3，利用slic算法对高分辨率遥感图像进行聚类，计算得到超像素分割图，并计算每个超像素对应的权重矩阵；步骤4，对密集空洞连接金字塔模块输出的特征图进行上采样，使其具有与原始输入的高分辨率遥感图像相同的尺寸；步骤5，将上采样的特征图与权重矩阵进行矩阵相乘，为每个超像素块区域内的特征点赋予相同的权重；完成端到端的语义分割。2.根据权利要求1所述的一种应用于高分辨率遥感图像的端到端语义分割方法，其特征在于，步骤1中，利用基于残差神经网络的编码器对归一化后的遥感图像进行特征提取的具体方式为：在编码器结构内的各个编码块之间引入补偿连接机制，将各个编码器块提取到的图像特征信息进行整合，并剔除掉冗余部分。3.根据权利要求1所述的一种应用于高分辨率遥感图像的端到端语义分割方法，其特征在于，步骤2中，构建的密集空洞连接金字塔模块采用了从任何编码器块到所有后续编码器块的直接连接方式，第l个编码器块能够接收到前面所有编码器块的特征映射，即：f
l
＝h
l
([f1,f2,
···
,f
l-1
])其中，[
·
]分别为编码器块1,2,
···
,l-1中产生的特征图f1,f2,
···
,f
l-1
的串接操作，h
l
为第l个编码器块的函数。4.根据权利要求1所述的一种应用于高分辨率遥感图像的端到端语义分割方法，其特征在于，步骤3中，利用slic算法对高分辨率遥感图像进行聚类的具体方式为：首先利用密集扩张卷积金字塔在水平和垂直方向上叠加不同扩张比的空洞卷积，然后计算得到不同尺度特征下对应的权重矩阵，最后生成得到各个权重矩阵对应的超像素分割图。5.根据权利要求1所述的一种应用于高分辨率遥感图像的端到端语义分割方法，其特征在于，步骤4中，对密集空洞连接金字塔模块输出的特征图进行上采样的具体方式为：首先在编码器和解码器之间引入旁路连接以降低计算复杂度，然后超像素分割图对上采样得到的特征图f
out
进行池化操作，最后超像素分割池化层对特征图f
out
的每个超像素区域的值进行平均。

技术总结
本发明公开了一种应用于高分辨率遥感图像的端到端语义分割方法，属于人工智能领域。本发明通过引入超像素分割池化层以提高计算效率，同时降低了网络对噪声和分割规模的敏感性；通过引入补偿连接使得网络可以更有效地进行语义分割；通过引入密集扩张卷积金字塔模块处理不同对象具有相同光谱的现象，进一步解决了多尺度问题。本发明与当前最新的语义分割模型相比，可以在分割精度和轻量级之间取得更好的平衡。的平衡。的平衡。


技术研发人员：董赫 吴婉晴 蔚保国 易卿武 何成龙
受保护的技术使用者：中国电子科技集团公司第五十四研究所
技术研发日：2022.10.26
技术公布日：2023/2/6