[发明专利]遥感图像地物语义分割方法

说明书

本发明公开的一种遥感图像地物语义分割方法，旨在提高遥感图像地物分割精准度，解决边缘识别不够精细的问题。本发明通过下述技术方案实现：构建金字塔场景解析网络，把具备较强图像特征挖掘能力的网络模型从相关领域中迁移至语义分割网络模型，从通道维度挖掘遥感影像所包含的信息；结合通道注意力机制挖掘遥感影像所包含的光谱信息和数据相关型上采样模块对不同空间尺度的特征图上采样至原始特征图大小并与原始特征图进行拼接；采用损失函数塔有效地降低梯度消失和梯度爆炸风险，采用基于IoU的损失函数进一步提升图像边缘的预测效果；用标注后的训练数据训练网络模型，将测试集数据输入优化后的语义分割网络模型，识别影像中的不同地物。

技术领域

本发明属于遥感图像语义分割技术领域，特别是涉及一种基于深度神经网络的遥感图像地物语义分割方法。

背景技术

遥感技术的发展推动遥感图像数据爆发式增长,并呈现出更高分辨率、更大幅宽的趋势。所谓遥感，是从远距离感知目标物，也即从远距离探测目标物的物性。“遥”具有空间概念，从近地空间，外层空间乃至宇宙空间来获取目标物的空间信息。“感”系指信息系统，包括信息获取和传输、信息加工处理、信息分析和可视化系统等。遥感(Remote)，是从远处探测、感知物体或事物的技术。即不直接接触物体本身，从远处通过各种传感器探测和接收来自目标物体的信息，经过信息的传输及其处理分析，来识别物体的属性及其分布等特征的综合技术。狭义遥感是指不与目标物接触，从远处用探测器接收来自目标物的电磁波信息，通过对信息的处理和分析研究，确定目标的属性及目标物的相互间的关系。语义分割网络在自然场景图像中展现了强大的特征提取能力。遥感所收集的信息是由目标物反射或发射的电磁波信息。遥感之所以能够根据收集到电磁波信息来解析地面目标物和现象，是由于不同的物体种类及其所处环境具有完全不同的电磁波的反射或发射辐射的特性。遥感卫星为卫星遥感活动的主体，包括气象卫星、资源卫星、海洋卫星和雷达卫星，统称为环境卫星系列。语义分割网络在自然场景图像中展现了强大的特征提取能力。卫星遥感图像反映地物目标电磁辐射特性的空间分布状况,广泛应用于环境监测、城市建设等领域。卫星遥感图像区别于普通三通道图像(RGB图像)，它含有包含丰富的地物信息和光谱信息,处理过程复杂,如何实现遥感图像的智能解译一直是学术界和工业界面临的难题。传统的无监督聚类方法和机器学习方法很难充分利用影像的空间特征，无法实现高精度的地物分割。普通的像元分类方法，如支持向量机(SVM)和随机森林(RF)等，只能提取出像元统计特征和植被指数特征，无法得到遥感影像中丰富的空间信息，特征表达能力有限，得到的分割结果边缘较为粗糙，识别精度不高。并且通过统计机器学习方法得到的像元分类结果，还需要进行结果拼接才能生成地物分割结果影像，时间成本相对较高。从高分辨遥感影像上提取与识别地物的位置、形状、类别是后续高层处理的关键步骤,因此,高分辨率遥感影像分割,尤其是语义分割已经成为该领域重要的问题之一。现有的语义标注方法对遥感场景中复杂背景引入的噪声敏感，对多尺度地物要素的语义感知能力差。通常使用空洞卷积来提升卷积神经网络的特征感受野，然而目前多尺度带孔结构包含感受野大小和种类有限，仍然无法标注高分辨率遥感场景中复杂的地物要素，难以在多尺度要素造成大类间差异的情况下进行语义信息的获取。现有方法通常直接对多模态图像或特征直接进行合并或相加，其特征学习完全依赖卷积神经网络的性能，忽略了不同模态固有的数据结构、特征复杂程度的差异，容易引入冗余的特征，造成标注性能降低，网络规模和参数量冗余。这些方法在解决特定目标的划分或者对特定的数据集可以达到较高的准确率,但在不同物体不同数据集上不具备很好的适用性。