[发明专利]一种高分辨率影像语义信息提取方法

说明书

本发明公开了一种高分辨率影像语义信息提取方法，该方法采用对偶多尺度流形排序卷积神经网络来解决高分辨率影像语义信息的提取问题，本发明利用卷积神经网络池化层隐含多尺度信息的特性，构建多尺度“卷积‑扩张卷积”对偶网络层，并采用连续域内流形排序优化的方法，对多尺度空间下的结果进行优化。利用多尺度的优化结果，采用均值融合的方式对所提取的语义信息进行融合处理，从而获取高分辨率影像最终的语义分割结果。

技术领域

本发明涉及模式识别与遥感领域，尤其涉及一种高分辨率影像语义信息提取方法及系统。

背景技术

高分辨率影像，包括地面近景影像与高分辨率航空卫星影像，其语义信息技术是模式识别与遥感领域研究的重要课题之一。近些年，随着地面近景影像获取技术和航空航天平台的发展，海量高分辨影像数据已被广泛应用于无人驾驶、地图测图、地理国情普查、人工地物检测等方面。然而，由于影像获取平台和影像尺度等方面的差异性，见图1，影像的解译过程，仍很大程度依赖于人工目视解译和和勾画，其效率低下，根源在于解译过程中，影像的语义信息提取问题没有得到很好的解决。因此，研究海量数据条件下高分辨率影像的自动语义信息提取技术与方法，对地面近景影像目标识别、大规模高分辨率航空卫星支撑下的地理信息快速更新服务有着重要意义。

高分辨率影像的语义信息提取技术核心在于影像的语义分割。影像的语义分割方法，常见于地面近景影像，特别是近些年大规模地面数据测试集，如ImageNet、PASCAL VOC等数据集的出现，使得地面近景影像语义信息提取技术，得到了很大的发展。在高分辨率航空航天卫星遥感领域，语义分割技术又被称为“面向对象的分割技术”，该技术在遥感影像处理时，常需要综合多种信息(如方向、光谱、纹理等)，但面对海量未标注的高分辨率遥感数据，传统方法很难将多种隐含信息一一囊括。由于场景的不同，近景高分辨影像往往只有有限的上下文关系，而航空卫星高分辨率影像不仅在平台尺度上会有多种变化，而且空间上下文信息(Contextual Information)也更为复杂。因此在高分辨率影像语义分割过程中，常会出现目标局部缺失、先验知识不能引导分割结果、空间上下文不能合理表达等问题。