[发明专利]基于分级轮廓代价函数的遥感图像语义分割方法

说明书

本发明公开一种基于分级轮廓代价函数的遥感图像语义分割方法，用于分割高分辨率遥感图像。其实现步骤为：1、生成训练集；2、构建Inception‑v3U‑Net分割网络；3、训练Inception‑v3U‑Net网络；4、预测遥感图像。本发明构建训练网络Inception‑v3U‑Net，降低计算量和参数量，提高训练效率。本发明构造分级轮廓代价函数监督网络损失，增强模型分割前景轮廓的能力，以卷积核依次膨胀后减去腐蚀的方法细化了轮廓判定范围，提高轮廓分类的准确性。同时本发明给相对轮廓距离相同的背景与前景两个方向的轮廓层级赋予两两对应且互补的超参数，以实现轮廓的精确分割。

技术领域

本发明属于图像处理技术领域，更进一步涉及图像分割技术领域中的一种基于分级轮廓代价函数的遥感图像语义分割方法。本发明可用于对遥感图像进行分割，进而实现可自动化的生产建设项目中遥感图斑解译任务。

背景技术

随着遥感领域技术的飞速发展，带来了大量的影像数据解译处理需求。遥感图像解译需要通过分割出不同类别的物体、区域并对同一类别赋予相同的标签，以代表识别出该区域或物体。目前，工程实践中更多采用U-Net等深度神经网络学习技术进行遥感图像分割，利用神经网络提取遥感图像特征，经过训练网络来预测每一个像素的类别，从而最终得到具有类别标签的分割图。但现有方法只能有效地完成较为简单的任务，由于分割得到的轮廓边缘不够清晰和平滑，影响了后续解译结果的准确性，因此在复杂的场景下，解译结果仍需相关人员进行进一步的判别和纠正。并且在实践过程中，现阶段的语义分割网络主要使用的代价函数不能很好地提升模型对目标轮廓分割的准确性。

山东锋士信息技术有限公司在其申请的专利文献“一种基于边缘辅助信息的遥感图像分割方法及系统”(专利申请号：202111094364.7，申请公布号：CN113920311A)中公开了一种基于边缘辅助信息的遥感图像分割方法。该方法的实现步骤为：首先对遥感图像预处理后得到多个局部图像；然后采用以交叉熵作为分割及辅助代价函数、以Resnet作为主干网络的遥感图像分割模型对局部图像进行预测，得到各像素属于各类的预测结果；最后通过上采样、拼接和差值运算，得到边缘特征图与主体特征图，并融合得到最终特征图，从而提高遥感分割精度。但是，该方法仍然存在的不足之处是，分割时直接以交叉熵作为代价函数，使模型更关注于背景分割的准确度，而忽略了前景，不能有效区分边界和内部纹理，导致边缘处理粗糙。同时，由于该方法以Resnet作为主干网络，使得训练参数量增大，计算效率低。

Chen Z,Zhou H,Lai J等人在其发表的论文“Contour Loss:Boundary-AwareLearning for Salient Object Segmentation”(IEEE Transactions on ImageProcessing,2021,30:431-443)中提出了一种利用轮廓代价函数的图像分割方法。该方法在训练时首先采用预训练的VGG-16网络进行图像分类，得到多层特征图，然后送入由残差块组成的解码器，采用增加轮廓范围内的像素所占比重的权重矩阵作为轮廓代价函数，来帮助学习显著对象和背景之间的边界区分。该方法存在的不足之处是，用于该轮廓代价函数的轮廓判定时粗略，会出现对不同类别轮廓判定错误的问题。同时，对不同类别所得到的权重矩阵相同，对于轮廓的不同方向不能准确区分，对轮廓不同方向判定缺乏针对性，导致轮廓的精确度受损失。

发明内容

本发明的目的在于针对上述现有技术存在的缺陷，提出一种基于分级轮廓代价函数的遥感图像语义分割方法，用于解决遥感图像语义分割时分割处理边缘时忽略前景、不能有效区分边界和内部纹理，参数量和计算量巨大，对不同类别轮廓判定错误，以及分割物体轮廓不精确的问题。