[发明专利]面向机动的自适应多尺度特征融合的遥感影像分割方法

权利要求书

1.一种面向机动的自适应多尺度特征融合的遥感影像分割方法，其特征在于：包括以下步骤：

将获取的遥感影像数据输入空间特征融合模型进行遥感地物解译，以得到遥感地物分类结果；

所述空间特征融合模型包括Unet网络模块和ASFF特征融合模块；所述Unet网络模块包括编码器和解码器；编码器用于提取遥感影像数据的特征，以得到N个不同尺度的图像特征；解码器依据N个不同尺度的图像特征进行处理操作，以得到N个不同尺度的空间特征；所述ASFF特征融合模块用于将输入的所述N个不同尺度的空间特征采用如下公式进行特征融合，以得到遥感地物分类结果：

其中为N个尺度的空间特征融合后的图像特征，……、和分别为提取得到的N个不同尺度的空间特征，λ₁、λ₂、λ₃、……、和λ_n分别为对应的权重参数，且满足λ₁+λ₂+λ₃+λ₄+……+λ_n＝1。

2.根据权利要求1所述的面向机动的自适应多尺度特征融合的遥感影像分割方法，其特征在于：N＝5。

3.根据权利要求1所述的面向机动的自适应多尺度特征融合的遥感影像分割方法，其特征在于：所述Unet网络模块的编码器采用ResNet-50网络实现特征提取。

4.根据权利要求1所述的面向机动的自适应多尺度特征融合的遥感影像分割方法，其特征在于：所述空间特征融合模型的网络参数进行如下设置：迭代次数Epoch为50，初始学习率为3*10^-4，Batchsize为16，权重衰减系数为5*10^-5。

5.根据权利要求4所述的面向机动的自适应多尺度特征融合的遥感影像分割方法，其特征在于：采用AdamW优化器对网络参数进行优化。

6.根据权利要求1所述的面向机动的自适应多尺度特征融合的遥感影像分割方法，其特征在于：所述权重参数为依据N个不同尺度的空间特征……、和经过SoftMax函数处理得到的。

7.根据权利要求1至6任一项所述的面向机动的自适应多尺度特征融合的遥感影像分割方法，其特征在于：所述空间特征融合模型的损失函数采用交叉熵函数。

8.根据权利要求1至6任一项所述的面向机动的自适应多尺度特征融合的遥感影像分割方法，其特征在于：在使用所述ASFF特征融合模块进行特征融合之前还需要将N个尺度的空间特征的通道数转化为相同的通道数，然后将相同通道数的空间特征分别进行不同倍数的上采样以确保N个空间特征的尺度大小相同。

9.根据权利要求1至6任一项所述的面向机动的自适应多尺度特征融合的遥感影像分割方法，其特征在于：在使用所述ASFF特征融合模块进行特征融合之后，还需要进行卷积操作，以将特征融合后的结果进行分类，得到遥感地物分类结果。