[发明专利]一种遥感图像分割方法、系统、存储介质和电子设备

说明书

本发明公开了一种遥感图像分割方法、系统、存储介质和电子设备，包括：构建包含卷积特征提取网络、边缘语义辅助网络、结合边缘增强与高斯位置编码的transformer网络和分割网络的第一遥感图像分割模型；卷积特征提取网络、边缘语义辅助网络和分割网络分别与结合边缘增强与高斯位置编码的transformer网络连接；基于多个遥感图像样本，对第一遥感图像分割模型进行训练，得到第二遥感图像分割模型，并删除第二遥感图像分割模型中的边缘语义辅助网络，得到目标遥感图像分割模型；将待测遥感图像输入至目标遥感图像分割模型，得到待测遥感图像的目标图像分割结果。本发明提高了图像中目标密集分布情况下的精细准确分割能力。

背景技术

在高空间分辨率光学遥感图像中，存在着丰富的纹理细节。图像中地物密集分布，比如房屋紧密相邻、树木密集生长且遮挡覆盖房屋等，造成目标边缘信息严重丢失。同时，图像中复杂场景信息如光照、阴影等的干扰作用明显，这也给图像的精细准确分割带来了巨大挑战。

注意力机制技术已广泛应用于遥感图像分割中，并取得了显著的效果。近来，transformer模型因其在全局信息提取方面的优势，在计算机视觉领域受到越来越多的关注。然而，在面对目标密集分布等复杂场景下光学遥感图像时，边缘信息丢失较多，分割精度有待提高。

因此，亟需提供一种技术方案解决上述技术问题。

发明内容

为解决上述技术问题，本发明提供了一种遥感图像分割方法、系统、存储介质和电子设备。

本发明的一种遥感图像分割方法的技术方案如下：

构建包含卷积特征提取网络、边缘语义辅助网络、结合边缘增强与高斯位置编码的transformer网络和分割网络的第一遥感图像分割模型；其中，所述卷积特征提取网络、所述边缘语义辅助网络和所述分割网络分别与所述结合边缘增强与高斯位置编码的transformer网络连接；

基于多个遥感图像样本，对所述第一遥感图像分割模型进行训练，得到第二遥感图像分割模型，并删除所述第二遥感图像分割模型中的所述边缘语义辅助网络，得到目标遥感图像分割模型；

将待测遥感图像输入至所述目标遥感图像分割模型，得到所述待测遥感图像的目标图像分割结果。

本发明的一种遥感图像分割方法的有益效果如下：

本发明的方法通过卷积特征提取网络、结合边缘增强与高斯位置编码的transformer网络和分割网络对遥感图像进行分割处理，提高了图像中目标密集分布情况下的精细准确分割能力。

在上述方案的基础上，本发明的一种遥感图像分割方法还可以做如下改进。

进一步，还包括：

获取多个遥感图像样本，并对任一遥感图像样本中的至少两种类别进行标注，得到该遥感图像样本对应的语义标注图像，直至得到每个遥感图像样本对应的语义标注图像。

进一步，所述基于多个遥感图像样本，对所述第一遥感图像分割模型进行训练，得到第二遥感图像分割模型的步骤，包括：

将任一遥感图像样本输入所述卷积特征提取网络，得到该遥感图像样本对应的初始特征图，并对该遥感图像样本对应的语义标注图像进行边缘提取，得到并将该遥感图像样本对应的第一边缘图像输入所述边缘语义辅助网络，得到该遥感图像样本对应的边缘语义特征图；

将所述任一遥感图像样本对应的初始特征图和边缘语义特征图输入所述结合边缘增强与高斯位置编码的transformer网络，得到并将该遥感图像样本对应的增强特征图输入所述分割网络，得到该遥感图像样本的第一图像分割结果；

根据所述任一遥感图像样本对应的第一图像分割结果和语义标注图像，得到该遥感图像样本的损失值，直至得到每个遥感图像样本的损失值；