[发明专利]一种语义边缘主导的高分遥感影像分割方法

权利要求书

1.一种语义边缘主导的高分遥感影像分割方法，包括以下几个步骤：

步骤1：获取数据：根据生产区域获取或重新采集可见光-近红外多光谱卫星影像数据或真彩色航空影像数据，确定数据类型、影像波段数、数值范围的参数；

步骤2：设计网络：根据步骤1的数据参数调整或重新设计深度边缘神经网络，参考HED模型结构确定卷积过程、多层次合成、损失值计算等具体方法；

所采用深度边缘神经网络有效学习地物多尺度边缘特征，由于一般图像中边缘与非边缘像素间极不平衡，用于损失值计算的loss函数应尽量克服这种非平衡性，引入边缘比例参数β进行计算：

L＝-β∑logPr(y_j＝1)-(1-β)∑logPr(y_j＝0)；

步骤3：准备模型：根据步骤1生产区域、数据类型及步骤2神经网络结构可确定采用非监督或监督两种方案准备具体边缘模型：非监督方案直接选用前期类似数据上相同网络结构的已训练模型，监督方案利用生产数据重新制作边缘样本，按网络结构调整训练参数，得到适合当前生产任务的边缘模型；采用非监督或监督两种方案的详细步骤如下：

步骤3.1：非监督方案直接利用前期训练好的边缘模型，当然前提为此预训练模型为基于类似格式的数据集所得并面向同类分割任务；

步骤3.2：监督方案针对当前数据及任务重新训练边缘模型，因此需要准备样本，包括如下步骤：

步骤3.2.1：在当前数据区域裁剪样本数据，大小由模型具体确定；

步骤3.2.2：采用GIS软件标注地物边缘，然后将标注矢量线栅格化，根据分割目标可标注所有地物边缘，也可重点标注某类地物边缘；

步骤3.2.3：以上述样本集为输入训练边缘模型直至收敛。

步骤4：生产边缘：利用步骤3所准备模型对生产数据计算后可得到边缘强度预测图，不同于一般边缘检测的二值结果，在此输出边缘强度信息指示当前位置是边缘的可能程度；

步骤5：形态学后处理：将步骤4所得边缘图进行形态学后处理(骨架提取或开闭操作)获取精准边界，包括但不限于将部分断线区域参考边缘强度在中断位置进行自动延伸连接，将线合围区域较小部分主动将其截断，将剩余未闭合的冗余边界线直接删除；

为得到精准边界具体采用如下方法实施：首先设定阈值将边缘图处理成二值图，然后对其进行形态学操作得到细化至单像素宽度的边缘线(一般细化、骨架提取甚至腐蚀操作都能实现)，至此大部分所需边界线以基本识别到，但由于影像模糊或地物本身边界难以分辨无法避免会出现局部错误，主要包括冗余线与断线等，对这些错误的具体处理采用如下算法：

步骤5.1：断线延伸：将边界线与边缘强度图对照，所有边界断线所在位置的边缘强度大于一定阈值即可主动延展，直至与现有边界相接或延展位置边缘强度较低不可能再作为边界，至此可保证大部分边界闭合；

步骤5.2：小图斑剔除：对于上述闭合边界所围区域如果面积太小需主动删除，此时仅需从此小区域的边界线上找到强度最小位置将其断开；

步骤5.3：冗余线删除：余下所有未闭合边界线直接利用形态学方法删除(邻域判断即可实现)；

步骤6：矢量化：将步骤5所得边界线转化为分割所需多边形面矢量，为避免多边形拓扑错误，先通过跟踪线节点形成线矢量再合围相邻线构建多边形面；为生成分割所需多边形面矢量，具体采用如下方法实施：首先跟踪边界线生成矢量线图层，为使结果相对美观可将所有接点之间的线进行一定简化或平滑，若为单类地物甚至可根据地物特点专门优化，然后将上述闭合且相邻多边形线直接合围构成多边形面，杜绝边界缝隙及重叠的拓扑错误。

2.根据权利要求1所述的一种语义边缘主导的高分遥感影像分割方法，其特征在于：通过控制步骤3中的边缘样本，选择分割任务针对所有地物目标或某类专门地物，前者获取影像所包含所有对象多边形且相互不重叠无缝隙，后者获取影像内包含所有专门对象多边形且相互不重叠。