[发明专利]一种基于多源异构遥感影像的语义分割方法

权利要求书

1.一种基于多源异构遥感影像的语义分割方法，其特征在于，包括如下步骤：

步骤1、对遥感影像数据集中的训练图片进行预处理；

步骤2、搭建多级分割头网络，利用所述多级分割头网络对训练图片进行特征提取以及分割预测，得到具有多级标签的分割结果；

步骤3、对所述多级分割头网络进行多级标签的监督训练，得到语义分割模型；

步骤4、通过语义分割模型对待分割遥感影像进行分割；

步骤5、通过融合多级分割头的预测结果得到最终分割结果。

2.根据权利要求1所述基于多源异构遥感影像的语义分割方法，其特征在于，所述步骤1中的遥感影像数据集为多源异构数据集，包含N张训练图片，每张训练图片中至少有一种特定类型的语义区域，并且有一个描述该训练图片中所有语义区域的类别的标签。

3.根据权利要求1所述基于多源异构遥感影像的语义分割方法，其特征在于，所述步骤1中的预处理包括对遥感影像数据集中的训练图片进行数据增强：首先将训练图片按照0.7-1.3的比例随机放缩；然后将训练图片随机水平翻转和随机垂直翻转；最后从训练图片上随机裁剪出大小为256×256像素的样例，作为最终训练图片。

4.根据权利要求2所述基于多源异构遥感影像的语义分割方法，其特征在于，所述步骤2中，多级分割头网络包括骨干网络模块和多级分割头模块。

5.根据权利要求4所述基于多源异构遥感影像的语义分割方法，其特征在于，步骤2包括以下步骤：

步骤2-1、建立一个OFA骨干网络模块，对步骤1得到的最终训练图片进行特征提取，得到特征图(C₁,C₂,C₃,C₄)；C₁,C₂,C₃,C₄分别代表OFA骨干网络模块中不同阶段的卷积层产生的特征图；

步骤2-2、建立一个多级分割头模块，包括两个具有不同类别数量的DeepLabV3+分割头，分别对应地物分类体系的一级类别和二级类别，则有一级类别分割头和二级类别分割头；将OFA骨干网络输出的特征图输入到多级分割头模块中，生成对应一级类别的分割结果R_A和二级类别的分割结果R_B。

6.根据权利要求5所述基于多源异构遥感影像的语义分割方法，其特征在于，所述步骤3包括以下步骤：

步骤3-1、设置多级分割头网络的训练损失函数L为：

L＝0.5×L_A+0.5×L_B

其中L_A和L_B分别为一级类别分割头和二级类别分割头的损失函数，具体如下所示：

其中，CE(·)表示交叉熵损失函数，pred_A表示一级类别分割头预测的分割结果，label_A表示以一级类别标注的标签；pred_B表示二级类别分割头预测的分割结果，label_B表示以二级类别标注的标签；和分别表示全卷积网络辅助分支预测的分割结果，辅助分支的损失函数的权重为0.4；

步骤3-2、利用步骤1中预处理过后的遥感影像数据集以及步骤3-1中设置的损失函数L，使用随机梯度下降法对步骤2中搭建的多级分割头网络进行监督训练。

7.根据权利要求6所述基于多源异构遥感影像的语义分割方法，其特征在于，所述步骤4包括：通过步骤3中训练得到的语义分割模型对待分割遥感影像进行地物类别的分割预测，一级类别分割头的分割结果为二级类别分割头的分割结果为其中，C_A表示一级类别的数量，C_B表示二级类别的数量，H表示遥感影像I的高度，W表示遥感影像I的宽度；分割结果R_A和R_B在其坐标(i,x,y)处的值为待分割遥感影像中像素点(x,y)属于i的概率，其中i表示一级类别或二级类别中的具体项所对应的标签。