[发明专利]一种用于遥感图像语义分割的特征提取方法和分割系统

权利要求书

1.一种用于遥感图像语义分割的特征提取方法，其特征在于，应用于特征提取模型，所述特征提取模型包括卷积模块和多尺度卷积网络，所述用于遥感图像语义分割的特征提取方法，包括：

将遥感图像输入所述卷积模块，以得到初始特征图；

将初始特征图输入第一多尺度卷积模块，得到第一特征图；

将第二特征图输入第二多尺度卷积模块，得到第二特征图；

将第三特征图输入第三多尺度卷积模块，得到第三特征图；

将第四特征图输入第四多尺度卷积模块，得到目标特征图；其中，所述多尺度卷积网络包括若干多尺度卷积模块，每个多尺度卷积模块均包括级联的若干深度可分离卷积单元，所述深度可分离卷积单元包括多个卷积层，所述目标特征图用于进行语义分割；

所述将初始特征图输入第一多尺度卷积模块，得到第一特征图，包括：

将初始特征图分别输入第一卷积子单元、第二卷积子单元、第三卷积子单元和第四卷积子单元，得到第一子特征图、第二子特征图、第三子特征图和第四子特征图；

将所述第一子特征图、所述第二子特征图、所述第三子特征图和所述第四子特征图拼接输入第一调整卷积层，得到第一调整特征图；

将所述第一调整特征图和初始特征图相加，得到第一候选特征图；

将所述第一候选特征图输入第二深度可分离卷积单元，得到第二候选特征图；

将所述第二候选特征图输入第三深度可分离卷积单元，得到第一特征图。

2.根据权利要求1所述的用于遥感图像语义分割的特征提取方法，其特征在于，所述多尺度卷积网络包括第一多尺度卷积模块、第二多尺度卷积模块、第三多尺度卷积模块和第四多尺度卷积模块。

3.根据权利要求2所述的用于遥感图像语义分割的特征提取方法，其特征在于，所述第一多尺度卷积模块包括级联的3个深度可分离卷积单元，所述第二多尺度卷积模块包括级联的4个深度可分离卷积单元；所述第三多尺度卷积模块包括级联的6个深度可分离卷积单元；所述第四多尺度卷积模块包括级联的3个深度可分离卷积单元。

4.根据权利要求3所述的用于遥感图像语义分割的特征提取方法，其特征在于，对于属于不同多尺度卷积模块的任意两个深度可分离卷积单元，所述任意两个深度可分离卷积单元包括卷积核数量不同、卷积核尺寸相同、连接顺序相同的多个卷积层。

5.根据权利要求2所述的用于遥感图像语义分割的特征提取方法，其特征在于，所述第一多尺度卷积模块包括级联的第一深度可分离卷积单元、第二深度可分离卷积单元和第三多尺度单元，所述第一深度可分离卷积单元、第二深度可分离卷积单元和第三多尺度单元的结构相同。

6.根据权利要求5所述的用于遥感图像语义分割的特征提取方法，其特征在于，所述第一深度可分离卷积单元包括第一卷积子单元、第二卷积子单元、第三卷积子单元、第四卷积子单元和第一调整卷积层。

7.根据权利要求6所述的用于遥感图像语义分割的特征提取方法，其特征在于，所述第一卷积子单元包括级联的：1×1卷积层、3×3深度可分离卷积层和1×1卷积层；所述第二卷积子单元包括级联的：1×1卷积层、5×5深度可分离卷积层和1×1卷积层；所述第三卷积子单元包括级联的：3×3最大池化层和1×1卷积层；所述第四卷积子单元包括：1×1卷积层。

8.根据权利要求2至7中任意一项所述的用于遥感图像语义分割的特征提取方法，其特征在于，将初始特征图输入多尺度卷积网络，得到目标特征图之后，还包括：

将所述第三特征图输入混合定位模型，将所述目标特征图输入空洞空间金字塔模型，通过所述混合定位模型得到位置特征图，通过所述空洞空间金字塔模型得到语义特征图；

基于所述位置特征图和所述语义特征图确定分割图像。