[发明专利]多光谱图像的分割方法、装置、电子设备及存储介质

说明书

本申请提供一种多光谱图像的分割方法、装置、电子设备、计算机可读存储介质；方法包括：通过图像分割模型包括的第一分割子模型，对待处理的多光谱图像进行图像分割，得到相应的第一分割特征图像；基于所述多光谱图像及所述第一分割特征图像，通过所述图像分割模型包括的第一特征扩展子模型，对所述多光谱图像进行特征扩展，得到相应的特征扩展图像；通过所述图像分割模型包括的第二分割子模型，对所述特征扩展图像进行图像分割，得到所述多光谱图像对应的第一目标分割图像。通过本申请，能够提高多光谱图像的分割精度。

技术领域

本申请涉及计算机视觉技术，尤其涉及一种多光谱图像的分割方法、装置、电子设备及计算机可读存储介质。

背景技术

遥感地物信息分类即语义分割，是像素级别的分类，被用于自动驾驶、医学图像诊断、遥感地物分类很多方面。受限于复杂的背景，如边缘噪声、遮挡光照视角等，语义分割有较低的精度(如平均交并比)。并且伴随着复杂网络结构的嵌入和设计，语义分割模型趋向大计算量，推理速度变慢、难以解释，需要大量的数据拟合，增加了标注时间和训练成本。

相关技术中，针对多光谱图像的分割方法，用于语义分割应用上的遥感影像的公开数据集相对贫乏，传统分割方式一般使用随机森林或纹理基元森林方法来构建用于语义分割的分类器，这类方法需要人工制作复制特征，鲁棒性差、多光谱图像的分割精度低。

发明内容

本申请实施例提供一种多光谱图像的分割方法、装置、电子设备及计算机可读存储介质，能够准确地对多光谱图像进行图像分割。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种多光谱图像的分割方法，包括：

通过图像分割模型包括的第一分割子模型，对待处理的多光谱图像进行图像分割，得到相应的第一分割特征图像；

基于所述多光谱图像及所述第一分割特征图像，通过所述图像分割模型包括的第一特征扩展子模型，对所述多光谱图像进行特征扩展，得到相应的特征扩展图像；

通过所述图像分割模型包括的第二分割子模型，对所述特征扩展图像进行图像分割，得到所述多光谱图像对应的第一目标分割图像。

本申请实施例提供一种多光谱图像分割装置，包括：

第一分割模块，用于通过图像分割模型包括的第一分割子模型，对待处理的多光谱图像进行图像分割，得到分割特征图像；

第一特征扩展模块，用于基于所述多光谱图像及所述第一分割特征图像，通过所述图像分割模型包括的第一特征扩展子模型，对所述多光谱图像进行特征扩展，得到相应的特征扩展图像；

第二分割模块，用于通过所述图像分割模型包括的第二分割子模型，对所述特征扩展图像进行图像分割，得到所述多光谱图像对应的第一目标分割图像。

上述方案中，所述第一特征扩展子模型包括第一概率确定层及第一像素处理层；所述第一特征扩展模块，还用于通过所述第一概率确定层，确定所述第一分割特征图像中各像素归属于至少两个类别中各类别的概率；通过所述第一像素处理层，将所述多光谱图像中各像素的像素数据，与所述特征扩展图像中相应位置像素所对应的所述概率做相乘处理，得到各所述类别对应的多波段特征图；将得到的对应各所述类别的多波段特征图，作为所述多光谱图像的特征扩展图像。

上述方案中，所述第二分割子模型包括第一特征叠加层及第一图像分割层；所述第二分割模块，还用于通过所述第一特征叠加层，对各所述类别对应的多波段特征图进行特征叠加，得到第一特征组合图像；通过所述第一图像分割层，对所述第一特征组合图像进行图像分割，得到所述多光谱图像对应的第一目标分割图像。