遥感图像类激活映射图优化方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116030363A(43)申请公布日2023.04.28(21)申请号202310133391.3G06N3/045(2023.01)(22)申请日2023.02.20(71)申请人北京数慧时空信息技术有限公司地址100070北京市丰台区海鹰路1号院1号楼二层201(72)发明人王婷陈宇鲁锦涛陈婷吴皓段红伟张玥珺邹圣兵(51)Int.Cl.G06V20/13(2022.01)G06V10/26(2022.01)G06V10/46(2022.01)G06V10/52(2022.01)G06V10/764(2022.01)G06V10/82(2022.01)G06N3/084(2023.01)G06N3/0464(2023.01)权利要求书2页说明书8页附图2页(54)发明名称遥感图像类激活映射图优化方法(57)摘要本发明公开了一种遥感图像类激活映射图优化方法。本发明首先通过改进类激活映射图生成网络，改变全局平均池化层为区域自适应池化层，将局部特征权重考虑到池化过程中，并构建多层次网络结构来改善类激活映射图生成；其次利用遥感图像显著信息来对生成的类激活映射图边界进行优化；最后利用抗擦除策略来对类激活映射图进行迭代补全，从而得到边界和完整度都得到改进的类激活映射图。本发明能够提供优化的类激活映射图，可有效支撑弱监督语义分割，降低像素级的样本依赖。CN116030363ACN116030363A权利要求书1/2页1.一种遥感图像类激活映射图优化方法，其特征在于，包括：S1获取遥感图像，遥感图像包含标签；S2将遥感图像及对应的标签输入到深度卷积网络中，得到初始类激活映射图；S3根据遥感图像显著性提取模块对遥感图像进行显著性提取，得到显著性区域；S4将初始类激活映射图和显著性区域进行叠加处理，得到优化类激活映射图；S5对优化类激活映射图进行补全，得到补全类激活映射图。2.根据权利要求1所述的遥感图像类激活映射图优化方法，其特征在于，深度卷积网络包括多尺度特征提取模块、自适应池化模块、分类网络模块，步骤S2包括：S21将遥感图像输入多尺度特征提取模块进行多尺度特征提取，得到多尺度特征图；S22将多尺度特征图输入自适应池化模块进行向量化，得到多尺度特征向量；S23将多尺度特征向量输入分类网络模块，并对标签赋予权值，根据标签对多尺度特征向量进行分类，得到多尺度特征向量的多尺度权值；S24对多尺度权值和多尺度特征图进行计算，得到多个多尺度的类激活映射图；S25将多个多尺度的类激活映射图进行合并，得到初始类激活映射图。3.根据权利要求2所述的遥感图像类激活映射图优化方法，其特征在于：多尺度特征提取模块包括多个卷积单元，每个卷积单元包括多个卷积层和池化层；自适应池化模块包括特征重要度卷积单元、批正则化层、激活函数层和合并层；分类网络模块包括多个子网络，每个子网络的结构相同，均包含全连接层和激活函数。4.根据权利要求3所述的遥感图像类激活映射图优化方法，其特征在于，步骤S24包括：根据分类网络模块中的各个子网络将多尺度权值和多尺度特征图进行相乘计算，得到多个多尺度的类激活映射图；相应的，步骤S25包括：对所有的多尺度的类激活映射图进行上采样，得到新的多尺度的类激活映射图，其中，每个新的多尺度的类激活映射图的长和宽与遥感图像的长和宽相同；将所有新的多尺度的类激活映射图进行图像融合，融合后的类激活映射图作为初始类激活映射图。5.根据权利要求1所述的遥感图像类激活映射图优化方法，其特征在于，遥感图像显著性提取模块包括遥感图像分割子模块、遥感图像分割结果优化子模块、遥感图像显著性区域提取子模块，步骤S3包括：S31根据遥感图像分割子模块将遥感图像进行图像分割，将遥感图像分割为多个初始图斑，每个初始图斑均由多个像素构成，所有的初始图斑组成初始遥感图像分割结果；S32根据遥感图像分割结果优化子模块对所有的初始图斑进行像素级的优化，得到优化图斑，所有的优化图斑组成优化后遥感图像分割结果；S33根据遥感图像显著性区域提取子模块对优化图斑进行像素级的显著性判定，得到显著性区域。6.根据权利要求5所述的遥感图像类激活映射图优化方法，其特征在于，步骤S32包括：S321获取初始遥感像分割结果中所有初始图斑的所有像素，其中pi为像素，P为所有像素构成的像素集；2CN116030363A权利要求书2/2页S322计算pi的特征向量Xi，所有特征向量xi组成特征向量集合X，其中；S323计算X的均值；S324计算所有特征向量xi同的距离di，其中1≤i≤n；S325根据di，按照比例q选取距离较近的像素点pi，形成像素集，其中0<q<1；S326重复步骤S323至步骤S325，迭代T次，对像素集Pnew进行优化，优