[发明专利]遥感图像分割方法、装置和电子设备

权利要求书

1.一种遥感图像分割方法，其特征在于，包括：

获取待分割的遥感图像；

对所述遥感图像进行多次目标要素的提取，得到多个提取结果，并综合多个所述提取结果得到最终目标要素提取结果；

基于所述最终目标要素提取结果，在所述遥感图像中分割出所述目标要素。

2.根据权利要求1所述的方法，其特征在于，对所述遥感图像进行多次目标要素的提取，得到多个提取结果，并综合多个所述提取结果得到最终目标要素提取结果时，通过预先构建的强分类器进行；

其中，所述强分类器采用集成学习算法构建得到。

3.根据权利要求2所述的方法，其特征在于，采用集成学习算法构建所述强分类器，包括：

获取训练数据集和至少两个基础弱分类器；

基于所述训练数据集，对至少两个所述基础弱分类器进行分别训练，得到至少两个弱分类器；

对于至少两个所述弱分类器，通过预设的结合策略得到所述强分类器。

4.根据权利要求3所述的方法，其特征在于，所述训练数据集中的样本数据通过以下方式进行构建：

选取样本遥感图像；

根据目标提取任务绘制与所述样本遥感图像同坐标系的目标要素的矢量数据；

将所述目标要素的矢量数据转换与所述样本遥感图像大小一致的栅格数据，并将所述栅格数据作为所述样本遥感图像对应的标签数据；

根据所述样本遥感图像和所述标签数据，得到所述样本数据。

5.根据权利要求3所述的方法，其特征在于，基于所述训练数据集，对所述至少两个基础弱分类器进行训练，包括：

通过有放回的抽取方法，在所述训练数据集中抽取出所述基础弱分类器对应的训练子集；

通过所述基础弱分类器对应的训练子集对所述基础弱分类器进行训练，得到所述各弱分类器。

6.根据权利要求3所述的方法，其特征在于，所述弱分类器采用U-Net网络实现。

7.根据权利要求6所述的方法，其特征在于，所述U-Net网络包括依次级联的六层下采样编码层和依次级联的六层上采样解码层。

8.根据权利要求7所述的方法，其特征在于，各所述上采样解码层包括通道空间注意力模块；

所述通道空间注意力模块级联在各所述上采样解码层的最末层卷积层后。

9.一种遥感图像分割装置，其特征在于，包括：

图像获取模块，用于获取待分割的遥感图像；

目标提取模块，用于对所述遥感图像进行多次目标要素的提取，得到多个提取结果，并综合多个所述提取结果得到最终目标要素提取结果；

目标分割模块，用于基于所述最终目标要素提取结果，在所述遥感图像中分割出所述目标要素。

10.一种遥感图像分割电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令时实现权利要求1至8中任意一项的方法。