[发明专利]基于遗传算法的卫星图像预处理方法

说明书

本发明公开了一种基于遗传算法的卫星图像预处理方法，主要解决现有技术中无法实现类别平衡的问题，其实现方案是：1)卫星图像进行标签去噪和数据增强的预处理；2)对预处理后的卫星图形进行地物类别平衡；3)融合类别平衡后的卫星图像，生成训练样本；4)使用训练样本训练语义分割模型；5)对卫星图像测试样本集进行阴影位置检测；6)融合卫星图像测试集图像，使用语义分割模型对其进行检测；7)利用阴影位置的像素值修正检测得到的语义分割结果。本发明解决了卫星图像类别平衡问题，并通过阴影位置的像素值指导语义分割结果，明显提高了卫星图像语义分割精度，可用于深度学习中分类和分割任务的数据预处理。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于遗传算法的卫星图像预处理方法，可用于深度学习中，卫星图像的分类和分割任务的预处理部分。

背景技术

随着卫星图像数据的增长，深度学习在卫星图像处理领域的应用越来越广泛，卫星卫星图像预处理也严重影响着深度学习的性能。

卫星图像预处理通常包括类别平衡、数据增强等方面。目前，常用的卫星图像类别平衡方法有：1)类别数量较多的进行下采样，随机丢弃一部分卫星图片，使类别数量差异尽量平衡；2)类别数量较少的进行上采样，对卫星图片进行翻转、旋转、缩放、裁剪、平移、加高斯噪声等操作，加入数据集中，使类别数量差异尽量平衡；3)修改模型中的训练权重，类别数量较少的数据设置较大的权重，类别数量较大的数据设置较小的训练权重，使训练出的模型精度整体达到较高的准确率。

但上述这些传统的卫星图像数据平衡方法，不能很好地平衡卫星图像中的地物类别。当卫星图片中的地物类别的分布不再按照某一种特定规律，使用图片翻转、缩放、裁剪、平移等简单数据增强方法时，将会在增加或减少某一类别地物数量的同时，产生另一种地物类别的数量也会随之变化的情况，不能达到平衡地物类别的作用。

公开号为CN102495901B的专利提出了一种通过局部均值保持实现类数据平衡的方法，可以通过k-means算法平衡卫星图像中的地物类别。但该方法在处理大场景的卫星图像时，不能很好地平衡距离较远的两种地物，达不到较好的平衡效果。

发明内容

本发明的目的在于针对上述现有技术的不足，提供一种基于遗传算法的卫星图像预处理方法，以提高大场景卫星图像中距离较远的两种地物的平衡效果，并将含有不同通道的图像进行通道融合，得到含有更多信息的图像。

为实现上述目的，本发明的技术方案包括如下：

(1)读取卫星图像中的训练数据集，包括RGB训练数据集和八波段多光谱MSI训练数据集，并对这两种数据集中的图像进行相同的标签去噪和数据增强的初步处理；

(2)基于遗传算法对初步处理后的RGB训练数据集进行地物类别平衡，得到类别分布平衡后的RGB数据集，并从八波段多光谱MSI训练数据集中选取与平衡后的RGB数据集中名称一样的图像组成平衡后的八波段多光谱MSI数据集；

(3)将平衡后的RGB数据集中的RGB图像与平衡后的八波段多光谱MSI数据集中相应的八波段多光谱MSI图像进行通道融合，生成新通道的训练样本；

(4)将训练样本送入现有的图像级联网络ICNet进行训练，得到训练好的语义分割模型；

(5)读取卫星图像中的测试数据集，包括RGB测试数据集和八波段多光谱MSI测试数据集，并对其中的八波段多光谱MSI测试数据集进行阴影位置检测，取出阴影部分的位置；

(6)按照(3)的方法将RGB测试数据集与MSI测试数据集中的对应图像融合生成新的测试样本，并将其送入由(4)得到的语义分割模型，获得语义分割结果；

(7)使用(5)得到的阴影位置的像素值对(6)得到的语义分割结果进行修正，得到经卫星图像优化后的语义分割结果，完成对卫星图像的预处理。

综上所述，本发明的优势如下：