[发明专利]基于全卷积网络和条件随机场的地物覆盖率计算方法

权利要求书

1.基于全卷积网络和条件随机场的地物覆盖率计算方法，其特征在于，包括以下步骤：

S1、构建全卷积神经网络；

S2、制作训练数据：对采集的遥感图像根据待分割类别进行逐像素分割，对遥感图像进行数据增强，构建语义分割数据集；

S3、训练全卷积神经网络：将步骤S2所得的语义分割数据集输入步骤S1所构建的全卷积神经网络，不断迭代训练，更新网络参数，直至训练结果满足预设的收敛条件；

S4、遥感图像分割：利用步骤S3训练好的全卷积神经网络对待分割图像进行语义分割，得到各类地物初步分割结果；

S5、分割结果优化：对步骤S4所得的分割结果进行后处理，引入条件随机场，对分割结果进行重构、优化，得到精度更高的分割结果；

S6、计算地物覆盖率信息：根据步骤S5所得的分割结果，进行各类地物的覆盖率计算。

2.根据权利要求1所述的基于全卷积网络和条件随机场的地物覆盖率计算方法，其特征在于，步骤S1中构建的全卷积神经网络是在ResNet-50卷积神经网络的基础上，添加了并行的不同扩张率的带孔卷积模块，使模型成为具有图像分割功能的网络模型。

3.根据权利要求1所述的基于全卷积网络和条件随机场的地物覆盖率计算方法，其特征在于，步骤S3利用反向传播机制，根据softmax分类函数进行分类计算，计算预测值与真实值误差，以两者交叉熵作为反向传播动力，不断反复迭代，调整网络参数，并引入poly方法调整网络学习率，直至网络达到预设的收敛条件。

4.根据权利要求1所述的基于全卷积网络和条件随机场的地物覆盖率计算方法，其特征在于，步骤S4中实现遥图像分割的方法为：将待分割遥感图像切割成N×N子块，依序输入全卷积神经网络，得到各子块的分割结果，再按原分割顺序拼接，得到整幅遥感图像的分割结果。

5.根据权利要求1所述的基于全卷积网络和条件随机场的地物覆盖率计算方法，其特征在于，步骤S5中，通过改进现有全卷积网络实现对分割结果的优化，利用条件随机场对各类分割结果进行优化，调整各类分割结果像素范围，实现图像边缘部分所属的类别优化，提高分割精度。

6.根据权利要求1所述的基于全卷积网络和条件随机场的地物覆盖率计算方法，其特征在于，步骤S6中实现对各类地物覆盖率计算的方法为：根据分割结果，遍历计算结果中各类地物所属像素的个数，计算出各类地物垂直投影面积，最终推出其覆盖率。

7.根据权利要求1所述的基于全卷积网络和条件随机场的地物覆盖率计算方法，其特征在于，所述各类地物包括水体、植被、建筑、道路。