[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

说明书

本发明公开了一种基于并行空洞卷积的遥感影像语义分割方法，涉及遥感影像技术领域，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；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。本发明在不增加额外参数的情况下，扩大了卷积的感受野，相比于达到同样感受野的标准卷积，并行空洞卷积方法更能够节省显存。

技术领域

本发明涉及遥感影像技术领域，具体来说，涉及一种基于并行空洞卷积的遥感影像语义分割方法。

背景技术

随着卫星遥感技术的成熟、商业化的推进以及全球各国政府的鼓励与推动，卫星遥感得到快速发展，在越来越多的领域得到了应用。遥感影像语义分割是卫星遥感应用的重要环节。遥感影像的语义分割广泛用于城市规划，道路规划，地物目标提取，甚至自动驾驶等模式识别领域。提高语义分割精度在遥感影像的处理问题中具有重要意义。

遥感影像中的地物信息复杂多样，为了提高遥感影像语义分割精度，相关学者已经展开了大量研究，并提出了许多算法。而这些算法的思路主要有(a)采用全卷积网络对遥感影像进行语义分割，(b)在全卷积网络的基础上融合尺寸对称的特征信息，在反池化过程中记录索引以弥补位置信息的丢失。这些方法均基于标准卷积，标准卷积的感受野存在局限性，因此，扩大感受野对遥感影像语义分割具有重要研究与应用价值。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的问题，本发明提出一种基于并行空洞卷积的遥感影像语义分割方法，以克服现有相关技术所存在的上述技术问题。

本发明的技术方案是这样实现的：

一种基于并行空洞卷积的遥感影像语义分割方法，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。

进一步的，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。

进一步的，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。

进一步的，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：Ω_r→i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。

进一步的，所述膨胀率分别设置为2、3、4和5。

进一步的，所述全连接条件随机场修复图像级信息，包括以下步骤：