[发明专利]一种基于并行空洞卷积的遥感影像语义分割方法

权利要求书

1.一种基于并行空洞卷积的遥感影像语义分割方法，其特征在于，包括以下步骤：

预先获取高分辨率遥感影像，并对高分辨率遥感影像进行切片，进行归一化和标准化，获取源高分辨率遥感影像；

基于ImageNet上预训练的resnet101参数初始化特征提取网络resnet101的低层网络，构建并行空洞卷积网络，并提取源高分辨率遥感影像的浅层特征；

将浅层特征输入至并行空洞卷积网络获取多尺度信息，并将多尺度信息融合，其中包括设置不同的膨胀率捕获多尺度信息；

将融合后的特征与浅层特征再次融合，并使用全连接条件随机场修复图像级信息，获取语义分割结果。

2.根据权利要求1所述的基于并行空洞卷积的遥感影像语义分割方法，其特征在于，所述对高分辨率遥感影像进行切片，包括将高分辨率遥感影像切片至长和宽为512像素。

3.根据权利要求2所述的基于并行空洞卷积的遥感影像语义分割方法，其特征在于，还包括以下步骤：

基于切片后的高分辨率遥感影像中提取RGB三通道。

4.根据权利要求1所述的基于并行空洞卷积的遥感影像语义分割方法，其特征在于，所述并行空洞卷积网络，包括以下步骤：

从标准的普通卷积开始，标定有离散的函数F：和有其k：为离散卷积核，以p为中心展开的卷积计算过程为：

通过扩充标准卷积，使l为空洞卷积的膨胀率，则空洞卷积为：

将浅层特征并行通过不同膨胀率的空洞卷积得到多尺度的特征，使用拼接方式融合多尺度特征，即构成并行空洞卷积网络层。

5.根据权利要求4所述的基于并行空洞卷积的遥感影像语义分割方法，其特征在于，所述膨胀率分别设置为2、3、4和5。

6.根据权利要求1所述的基于并行空洞卷积的遥感影像语义分割方法，其特征在于，所述全连接条件随机场修复图像级信息，包括以下步骤：

全连接条件随机场使用的能量函数为：

其一元势能函数用于描述观测对象和标注的影响：

θ_i(x_i)＝-log P(x_i)

其中，图像的像素点i，P(x_i)为网络在像素上分类的概率，二元势能函数描述观测对象之间的相关性：

当x_i≠y_j时，u(x_i,y_j)＝1，否则，u(x_i,y_j)＝0，另外k^m(f_i,f_j)作为f_i与f_j之间的高斯核，f_i是像素i对应的颜色信息，也就是特征向量，w_m是该高斯核使用的权重。