[发明专利]一种融合边缘检测的遥感影像语义分割方法及装置

权利要求书

1.一种融合边缘检测的遥感影像语义分割方法，其特征在于，所述方法包括：

S1、根据高分辨率遥感影像制作用于边缘检测的第一训练样本和用于语义分割的第二训练样本；

S2、通过所述第一训练样本训练HED边缘检测模型，同时通过所述第二训练样本训练图像语义分割模型；

S3、使用训练好的HED边缘检测模型对待分割遥感影像进行边缘检测，生成边缘概率图，对所述边缘概率图进行后处理；

S4、使用训练好的图像语义分割模型对所述待分割遥感影像进行影像分割；

S5、将所述边缘检测后处理的结果与所述影像分割后的图像基于地理位置进行叠加，得到待分割遥感影像的语义分割矢量结果。

2.根据权利要求1所述融合边缘检测的遥感影像语义分割方法，其特征在于，所述步骤S1的具体过程为：

S11、绘制每个地物对象的封闭边界并保存为第一多边形矢量格式，用不同的整数值对绘制的每类地物属性进行标记并保存为第二多边形矢量格式；

S12、将所述第一多边形矢量转换为线矢量后栅格化，按照固定的长和高进行采样制作第一训练样本；

S13、将所述第二多边形矢量栅格化，栅格化图像值设置为所述标记地物属性的整数值，按照固定的长和高进行采样制作第二训练样本。

3.根据权利要求2所述融合边缘检测的遥感影像语义分割方法，其特征在于，所述步骤S2中，所述HED边缘检测模型采用Adam优化器，最后一个网络层激活函数选择sigmoid函数，其中代价函数选择加权信息熵，其权重参数设置为背景像素数和边缘像素数的比值；

所述图像语义分割模型通过将HED模型的代价函数修改为交叉信息熵得到，优化器设置为Adam，选择softmax函数为最后一个网络层的激活函数。

4.根据权利要求3所述融合边缘检测的遥感影像语义分割方法，其特征在于，所述步骤S2中，所述HED边缘检测模型和所述图像语义分割模型训练时，学习率根据训练轮数从1×10^-3到1×10^-8逐渐递减，分别训练两个模型直到各自的代价函数收敛。

5.根据权利要求1所述融合边缘检测的遥感影像语义分割方法，其特征在于，所述步骤S3中，所述对所述边缘概率图进行后处理具体包括：

使用预设阈值对所述边缘概率图进行二值化处理，将二值化后的图像使用骨架提取算法提取成单个像素相互连接的骨架，并将提取后的骨架导出为第三多边形矢量。

6.根据权利要求4所述融合边缘检测的遥感影像语义分割方法，其特征在于，所述步骤S5的具体过程为：

S51、遍历所述第三多边形矢量的每个多边形要素，将所述每个多边形要素和所述语义分割后的图像基于地理位置进行叠加；

S52、提取所述每个多边形要素范围内包含的所有像元值，统计像元值中的众数，并将所述众数值以及所述众数值对应的地物名称标记为该多边形要素属性。

7.一种融合边缘检测的遥感影像语义分割装置，其特征在于，所述装置包括：

样本制作模块：用于绘制高分辨率遥感影像的每个地物对象的封闭边界并标记地物属性，制作用于边缘检测的第一训练样本和用于语义分割的第二训练样本；

明细训练模块：用于通过所述第一训练样本训练HED边缘检测模型，同时通过所述第二训练样本训练图像语义分割模型；

边缘检测模块：用于使用训练好的HED边缘检测模型对待分割遥感影像进行边缘检测，生成边缘概率图，对所述边缘概率图进行后处理；

影像分割模块：用于使用训练好的图像语义分割模型对所述待分割遥感影像进行影像分割；

图像融合模块：用于将所述边缘检测后处理的结果与所述影像分割后的图像基于地理位置进行叠加，得到待分割遥感影像的语义分割矢量结果。