[发明专利]面向遥感影像语义分割的深度学习训练样本增强方法

权利要求书

1.一种面向遥感影像语义分割的深度学习训练样本增强方法，其特征在于，包括以下步骤：

步骤1：获得目标区域的高分辨率卫星遥感影像，对卫星遥感影像进行预处理，获得预处理后的图像，预处理包括辐射定标和大气校正，通过目视解译法对预处理后的图像进行人工标记再将其转为栅格图像作为标记图像；

步骤2：选取训练模型输入层的维度大小作为裁剪窗口，计算出水平方向的裁剪窗口的最佳重叠度，然后在水平方向上以水平方向的裁剪窗口的最佳重叠度且垂直方向上以裁剪窗口不重叠的方式对预处理后的图像和标记图像分别进行水平方向的滑动裁剪，得到若干第一切片；

步骤3：计算出垂直方向的裁剪窗口的最佳重叠度，然后在垂直方向上以垂直方向的裁剪窗口的最佳重叠度且水平方向上以裁剪窗口不重叠的方式对预处理后的图像和标记图像分别进行垂直方向的滑动裁剪，得到若干第二切片；

步骤4：利用步骤2得到的水平方向的裁剪窗口的最佳重叠度和步骤3得到的垂直方向的裁剪窗口的最佳重叠度，在水平方向上以水平方向的裁剪窗口的最佳重叠度且垂直方向上以垂直方向的裁剪窗口的最佳重叠度对预处理后的图像和标记图像分别进行滑动裁剪，得到若干第三切片；

步骤5：将第一切片、第二切片和第三切片经过水平、旋转和镜像操作，汇总第一切片、第二切片、第三切片、经水平操作后的切片、经旋转操作后的切片和经镜像操作后的切片作为最终的训练样本。

2.根据权利要求1所述的一种面向遥感影像语义分割的深度学习训练样本增强方法，其特征在于，步骤2具体包括：

步骤2.1：在参考重叠度范围内任意选择一个滑动重叠度为C，则每次裁剪窗口偏移量：

N_K＝W-[W×C]

其中，N_K为每次裁剪窗口的偏移量，W为裁剪窗口的维度；

步骤2.2：判断裁剪窗口每一行中第K次滑动是否超出图像边界，确保第K次裁剪满足：

K′＝(K-1)×N_K+W≤X

式中，K′为第K次裁剪窗口滑动时裁剪窗口右侧所处的像素位置，X为图像的水平方向像素的个数；

此时会产生三种情况：

①WX-K′，则继续进行本行的下一次滑动裁剪，继续判断K+1次滑动情形；

②K′＝X，则水平方向的裁剪窗口的最佳重叠度C′_K＝C；

③0X-K′W，将本行剩余像素重新分配给裁剪窗口水平偏移量得到水平新滑动量N′_K，同时C′_K符合裁剪窗口参考重叠度的范围；

C′_K＝(W-N′_K)/W∈α

其中，α为参考重叠度，当时，C_K′为水平方向的裁剪窗口的最佳重叠度；

步骤2.3：在水平方向上以水平方向的裁剪窗口的最佳重叠度C_K′且垂直方向上以裁剪窗口不重叠的方式对预处理后的图像和标记图像分别进行水平方向的滑动裁剪，得到若干第一切片。

3.根据权利要求1所述的一种面向遥感影像语义分割的深度学习训练样本增强方法，其特征在于，步骤3具体包括：

步骤3.1：在参考重叠度范围内任意选择一个滑动重叠度为C，则每次裁剪窗口偏移量：

N_L＝W-[W×C]

式中，N_L为每次裁剪窗口的偏移量；

步骤3.2：判断裁剪窗口每一列中第L次滑动是否超出影像边界，确保第L次裁剪满足：

L′＝(L-1)×N_L+W≤Y

式中，L′为第L次裁剪窗口滑动时裁剪窗口下侧所处的像素位置，Y为影像的垂直方向像素的个数；

此时会产生三种情况：

① WY-L′，则继续进行本列的下一次滑动裁剪，继续判断L+1次滑动情形；

②L′＝Y，则垂直方向的裁剪窗口的最佳重叠度C′_L＝C；

③0Y-L′W，将本列剩余像素重新分配给裁剪窗口水平偏移量得到水平新滑动量N′，同时C′_L符合裁剪窗口参考重叠度的范围；

C′_L＝(W-N′_L)/W∈α

当时，C′_L为垂直方向的裁剪窗口的最佳重叠度；

步骤3.3：在垂直方向上以垂直方向的裁剪窗口的最佳重叠度C′_L且水平方向上以裁剪窗口不重叠的方式对预处理后的图像和标记图像分别进行垂直方向的滑动裁剪，得到若干第二切片。