[发明专利]基于空间分辨率域自适应的无监督遥感图像语义分割方法

权利要求书

1.一种基于空间域自适应的无监督遥感图像语义分割方法，其特征在于：包括如下步骤：

步骤一：获取源域低分辨率遥感图像数据集和目标域高分辨率遥感图像数据集，对源域低分辨率遥感图像数据集和目标域高分辨率遥感图像数据集进行预处理，将获取的目标域高分辨率遥感图像数据集分为：目标域训练集M_x和目标域测试集M_c两部分；

由源域低分辨率遥感图像数据集和目标域训练集M_x构成图像语义分割训练集F_x，由目标域测试集M_c构成图像语义分割测试集F_c；

步骤二：搭建基于对抗学习的超分辨率-语义分割多任务网络GAN_sr-seg，所述基于对抗学习的超分辨率-语义分割多任务网络GAN_sr-seg由特征编码模块、上采样模块、像素级域判别模块、特征解码模块、输出空间域判别模块组成；

特征编码模块、上采样模块和像素级域判别模块构成基于对抗学习的超分辨率网络GAN_sr，其中特征编码模块和上采样模块构成基于对抗学习的超分辨率网络GAN_sr中的生成器G_sr；

像素级域判别模块构成基于对抗学习的超分辨率网络GAN_sr中的判别器D_sr；

特征解码模块通过金字塔特征聚合结构接收来自特征编码模块和上采样模块的低级特征信息，实现语义预测功能；

特征编码模块、上采样模块和特征解码模块构成基于对抗学习的超分辨率-语义分割多任务网络GAN_sr-seg的生成器G_sr-seg；

像素级域判别模块和输出空间域判别模块组成基于对抗学习的超分辨率-语义分割多任务网络GAN_sr-seg的判别器D_sr-seg；

步骤三：对步骤二中搭建好的基于对抗学习的超分辨率网络GAN_sr进行预训练；

步骤四：训练基于对抗学习的超分辨率-语义分割多任务网络GAN_sr-seg；

步骤五：将图像语义分割测试集F_c数据输入到步骤四中已经训练好的基于对抗学习的超分辨率-语义分割多任务网络中GAN_sr-seg的生成器模型G_sr-seg，输出图像语义分割测试集的分割结果。

2.根据权利要求1所述的基于空间分辨率域自适应的无监督遥感图像语义分割方法，其特征在于：所述步骤一中对源域低分辨率遥感图像数据集和目标域高分辨率遥感图像集数据集进行的预处理具体包括图像裁剪和图像采样；

所述图像裁剪将目标高分辨率遥感图像的尺寸裁剪为源域低分辨率遥感图像尺寸的r倍，r是尺度因子(即源域低分辨率遥感图像和目标域高分辨率遥感图像对应空间分辨率的倍数)；

所述图像采样将目标域训练集中的高分辨率遥感图像进行下采样至空间分辨率与源域低分辨率遥感图像相同，将源域低分辨率遥感图像数据集进行上采样至空间分辨率与目标域高分辨率遥感图像相同。