[发明专利]一种基于金字塔机制的遥感影像海洋与非海区域分割方法

权利要求书

1.一种基于金字塔机制的遥感影像海洋与非海区域分割方法，其特征在于，所述方法包括下列步骤：

获取高分遥感图像，并对所述高分遥感图像进行裁剪，并绘制相对应的海陆分割真值图；

将裁剪后的高分遥感图像依次进行分块以及图像刚性变换，并基于变换结果划分训练集以及测试集；

建立金字塔机制融合神经网络，将训练集中的数据输入金字塔机制融合神经网络进行学习训练获得海洋与非海区域分割模型；

将所述测试集中的数据输入金字塔机制融合神经网络中，得到遥感图像海陆分割结果。

2.根据权利要求1所述的一种基于金字塔机制的遥感影像海洋与非海区域分割方法，其特征在于，对所述高分遥感图像进行裁剪，裁剪后的图像包含海岸线附近区域和陆地所有信息。

3.根据权利要求2所述的一种基于金字塔机制的遥感影像海洋与非海区域分割方法，其特征在于，所述绘制相对应的海陆分割真值图时，其过程包括：基于ArcGIS10.2工具，在裁剪后的高分遥感影像中手动绘制海洋和陆地区域，得到点线面构成的shp格式的矢量文件作为真值图。

4.根据权利要求3所述的一种基于金字塔机制的遥感影像海洋与非海区域分割方法，其特征在于，所述将裁剪后的高分遥感图像依次进行分块以及图像刚性变换时，其过程包括：

将裁剪后的高分遥感图像进行分块处理，分块大小为N×N，其中N为不超过256的自然数；

将分块后的图像进行上下、左右翻转，并旋转一定角度扩充样本量。

5.根据权利要求1-4任一项所述的一种基于金字塔机制的遥感影像海洋与非海区域分割方法，其特征在于，所述将训练集中的数据输入金字塔机制融合神经网络进行学习训练获得海洋与非海区域分割概率图时，其过程包括：

设定A＝{A₁,A₂,…,A_i}包含所有高分遥感影像训练数据集其中d_m,d_n表示样本A_i尺寸；

将所述训练集A_i输入金字塔机制融合神经网络的第一层进行残差卷积，获得特征图将所述特征图输入金字塔机制融合神经网络的池化层进行下采样，获得特征图

将所述特征图输入金字塔机制融合神经网络的金字塔机制模块，获得多尺度特征F₀；

对所述特征图进行残差卷积，获得特征图同时将所述特征图输入金字塔机制融合神经网络的池化层进行下采样，获得特征图

将所述特征图输入金字塔机制融合神经网络的金字塔机制模块，获得多尺度特征F₁；

对所述特征图进行残差卷积，获得特征图同时将所述特征图输入金字塔机制融合神经网络的池化层进行下采样，获得特征图

将所述特征图输入金字塔机制融合神经网络的金字塔机制模块，获得多尺度特征F₂；

将所述特征图进行残差卷积，获得特征图同时将所述特征图输入金字塔机制融合神经网络的池化层进行下采样，获得特征图

将所述特征图输入金字塔机制融合神经网络的金字塔机制模块，获得多尺度特征F₃；

将所述特征图进行残差卷积，获得特征图同时将所述特征图输入金字塔机制融合神经网络的池化层进行下采样，获得特征图

将所述特征图输入金字塔机制融合神经网络的金字塔机制模块，获得多尺度特征F₄；

将所述特征图输入金字塔机制融合神经网络的金字塔融合模块，获得特征

将所述特征特征F₄、特征图进行逐元素叠加，并将叠加结果依次进行尺寸为m×m的卷积、上采样、1×1卷积，获得特征

将所述特征特征F₃、特征图进行逐元素叠加，并将叠加结果依次进行尺寸为m×m的卷积、上采样、1×1卷积，获得特征

将所述特征特征F₂、特征图进行逐元素叠加，并将叠加结果依次进行尺寸为m×m的卷积、上采样、1×1卷积，获得特征

将所述特征特征F₁、特征图进行逐元素叠加，并将叠加结果依次进行尺寸为m×m的卷积、上采样、1×1卷积，获得特征

将所述特征特征F₀、特征图进行逐元素叠加，并将叠加结果依次进行尺寸为m×m的卷积、上采样、1×1卷积，获得特征

对所述特征进行尺寸为m×m的卷积、上采样、1×1卷积，得到最终的海洋与非海区域分割概率图。