[发明专利]遥感影像分割方法、装置及存储介质、服务器

说明书

本发明涉及图像检测、图像分类技术领域，本申请实施例提供的一种遥感影像分割方法，包括：获取目标图像，通过深度卷积神经网络的各卷积层提取目标图像的分层特征；依次基于两不同尺度卷积层提取出的分层特征确定目标图像的目标特征；依据目标特征确定目标图像中各物体的物体类别，依据物体类别对目标图像进行分割。在本申请中采用卷积神经网络提取由浅到深的多尺度特征，还通过跳跃式的方式融合深层、中层和浅层特征，用以获取高级别的语义信息和低级别的几何信息，之后再通过上采样实现空间输出，以达到像素级别分割的目的，提高遥感影像在云、强光照等干扰因素下的分割精度。

技术领域

本发明涉及图像检测、图像分类技术领域，具体涉及一种遥感影像分割方法、装置及存储介质、服务器。

背景技术

遥感影像数据还作为地理信息系统(Geographic information System，GIS)，全球定位系统(Global Positioning System,GPS)、遥感测绘技术(remote sensing system,RS)三大空间信息技术中的基础数据，广泛应用于环境监测、资源调查、土地利用、城市规划、自然灾害分析和军事等各个领域。近年来，随着高分辨率遥感卫星、成像雷达以及无人机驾驶飞机(Unmanned Aerial Vehicle)技术的发展，遥感影像数据进一步呈现海量、复杂和高分辨率的特点，实现精细分割对于促进遥感影像信息的准确提取和数据共享具有重要的研究意义和应用价值。

发明内容

为克服以上技术问题，特别是现有遥感影像中信息提取不够准确，导致不能够精准分割遥感影像的问题，特提出以下技术方案：

本发明实施例提供的一种遥感影像分割方法，包括：

获取目标图像，通过深度卷积神经网络不同尺度的各卷积层提取所述目标图像的分层特征；

依次基于两不同尺度卷积层提取出的所述分层特征确定所述目标图像的目标特征；

依据所述目标特征确定所述目标图像中各物体的物体类别，依据所述物体类别对所述目标图像进行分割。

可选地，所述依次基于两不同尺度卷积层提取出的所述分层特征确定所述目标图像的目标特征，包括：

依次融合两不同尺度中最后两卷积层提取出的所述分层特征，获得融合特征；

基于所述融合特征确定所述目标图像的所述目标特征。

可选地，所述依次融合两不同尺度中最后两卷积层提取出的所述分层特征，获得融合特征，包括：

获取最后一个尺度，获取所述尺度的最后一个卷积层提取出的特征；

对所述特征进行反卷积，得到该尺度相邻且大一尺度的相邻尺度中的还原特征，所述反卷积层位于所述相邻尺度中，所述还原特征位于反卷积层中；

连接所述反卷积层和与所述相邻尺度位于同一尺度中的用于提取所述分层特征的最后一个所述卷积层，获得卷积联合体；

对所述卷积联合体执行卷积获得所述融合特征，所述卷积联合体和所述反卷积位于同一尺度中；

判断所述相邻尺度是否为所述深度卷积神经网络的第一层，若不是，获取所述相邻尺度的最后一个所述卷积层，继续所述对所述卷积层提取出的特征进行反卷积的步骤。

可选地，所述基于所述融合特征确定所述目标图像的所述目标特征，包括：

当所述相邻尺度为所述深度卷积神经网络的第一层时，将所述融合特征确定为所述目标特征。

可选地，所述目标特征包括语义特征、几何特征、纹理特征中的一种或者多种。

可选地，所述依据所述目标特征确定所述目标图像中各物体的物体类别，包括：