[发明专利]一种基于多尺度分权注意力的遥感图像分割方法和系统

说明书

本发明涉及一种基于多尺度分权注意力的遥感图像分割方法和系统，该方法包括：步骤S1、获取目标物的不同尺度的遥感图像，并分别对每个所述遥感图像进行特征提取，生成多个不同高低分辨率的第一特征图；步骤S2、随机选择部分所述遥感影像，捕获部分所述遥感影像对应所述第一特征图的任意两个位置之间的空间依赖，得到第二特征图；步骤S3、对各所述第一特征图与对应的第二特征图进行对应位置信息融合处理，得到第三特征图，基于第一特征图、第二特征图和第三特征图进行目标物分割。通过在模型训练阶段输入不同尺度的特征图，再对不同特征图进行融合，解决了不同分辨率下地物类别尺度不同而出现的地物类别混淆问题，提高了类别分类精度。

技术领域

本发明实施例涉及遥感图像语义分割技术领域，尤其涉及一种基于多尺度分权注意力的遥感图像分割方法和系统。

背景技术

近年来，随着遥感采集技术的迅速发展，遥感影像的应用越来越广泛。遥感影像存在大量的地物信息，由于不同地物信息的多样性和复杂性，使得遥感图像的语义分割较为困难。

当前遥感图像的语义分割主要有传统图像分割算法和基于深度学习的图像分割两种方式。传统算法分割精度低，分割效率低。基于深度学习的图像分割利用卷积神经网络强大的特征学习能力来解决遥感图像的分割问题。不同地面分辨率下的遥感影像中地物呈现不同的尺度和地物特征，输入为单一尺度特征图的卷积神经网络模型易出现不同地物类别混淆，且在遥感图像多类别分割中，目标细节信息容易丢失。

发明内容

本发明针对现有技术中存在的技术问题，提供一种基于多尺度分权注意力的遥感图像分割方法和系统。

为解决上述技术问题，第一方面，本发明实施例提供一种基于多尺度分权注意力的遥感图像分割方法，包括：

步骤S1、获取目标物的不同尺度的遥感图像，并分别对每个所述遥感图像进行特征提取，生成多个不同高低分辨率的第一特征图；

步骤S2、随机选择部分所述遥感影像，捕获部分所述遥感影像对应所述第一特征图的任意两个位置之间的空间依赖，得到第二特征图；

步骤S3、对各所述第一特征图与对应的第二特征图进行对应位置信息融合处理，得到第三特征图，基于所述第一特征图、所述第二特征图和所述第三特征图进行目标物分割。

作为优选的，所述步骤S1中，生成多个不同高低分辨率的特征图后，还包括：

基于ocrnet模型对所述特征图进行特征加强处理，以增强所述特征图的上下文语义信息。

作为优选的，所述步骤S1具体包括：

步骤S11、获取包含目标物的遥感图像，对所述遥感图像进行卷积、批量归一化和激活函数处理，将所述遥感图像缩放不同尺度的遥感图像，不同尺度的遥感图像至少包括所述第一尺度遥感图像和第二尺度遥感图像；

步骤S12、基于hrnetV2骨干特征提取模型对所述遥感图像进行特征提取，得到多种不同分辨率的第一特征图。

作为优选的，所述步骤S2中具体包括：

对所述第一尺度遥感图像和所述第二尺度遥感图像对应的第一特征图进行特征加强处理；

采用不同权重系数的位置注意力，以捕获所述第一尺度遥感图像对应的第一特征图的任意两个位置之间的空间依赖，得到第二特征图。

作为优选的，所述步骤S3中，基于所述第一特征图、所述第二特征图和所述第三特征图进行目标物分割，具体包括：

将所述第一特征图、所述第二特征图和所述第三特征图输入至预先训练好的分割模型中，以预测得到遥感图像原尺寸下各特征图的像素类别，并输出遥感图像中各目标物的分割图像。

第二方面，本发明实施例提供一种基于多尺度分权注意力的遥感图像分割系统，包括：