基于改进Deeplabv3+的轻量级遥感影像语义分割方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115984850A(43)申请公布日2023.04.18(21)申请号202310116702.5G06V10/774(2022.01)(22)申请日2023.02.15(71)申请人安徽大学地址230039安徽省合肥市肥西路3号(72)发明人赵晋陵陈荟秦元首程志友黄林生黄文江(74)专利代理机构合肥国和专利代理事务所(普通合伙)34131专利代理师吴娜(51)Int.Cl.G06V20/70(2022.01)G06V20/10(2022.01)G06V10/82(2022.01)G06N3/0464(2023.01)G06N3/08(2023.01)权利要求书3页说明书7页附图5页(54)发明名称基于改进Deeplabv3+的轻量级遥感影像语义分割方法(57)摘要本发明涉及一种基于改进Deeplabv3+的轻量级遥感影像语义分割方法，包括：通过遥感卫星获取不同情景下的图像，得到数据集；在数据集中选定分割对象，对分割对象进行语义标注和分割，进行图像增强，在图像增强后将整个数据集划分为训练集、测试集和验证集；构建改进的DeepLabv3+网络模型，采用训练集训练改进的DeepLabv3+网络模型；将测试集中的测试图像输入训练后的改进的DeepLabv3+网络模型，选定分割对象为田地、建筑群或水域，并保存语义分割的结果图像。本发明基于改进的DeepLabv3+网络模型，训练参数量较小、精度较高、边缘分割更细腻、有效改善孔洞问题；本发明系统针对田地、建筑群、水域多种分割对象，便于不同场景使用，智能便捷。CN115984850ACN115984850A权利要求书1/3页1.一种基于改进Deeplabv3+的轻量级遥感影像语义分割方法，其特征在于：该方法包括下列顺序的步骤：(1)数据采集：通过遥感卫星获取不同情景下的图像，并转换为jpg格式的三通道图像，得到数据集；(2)数据预处理：在数据集中选定分割对象，对分割对象进行语义标注和分割，进行图像增强，在图像增强后将整个数据集划分为训练集、测试集和验证集；(3)网络模型的创建和训练：构建改进的DeepLabv3+网络模型，采用训练集训练改进的DeepLabv3+网络模型，得到训练后的改进的DeepLabv3+网络模型及其参数；(4)测试阶段：将测试集中的测试图像输入训练后的改进的DeepLabv3+网络模型，选定分割对象为田地、建筑群或水域，并保存语义分割的结果图像。2.根据权利要求1所述的基于改进Deeplabv3+的轻量级遥感影像语义分割方法，其特征在于：所述步骤(1)具体是指：分别采集含建筑群、农田、水域不同场景的卫星遥感图像，将多通道的高光谱图像转换为三通道的jpg格式图像，得到数据集，用于特征提取。3.根据权利要求1所述的基于改进Deeplabv3+的轻量级遥感影像语义分割方法，其特征在于：所述步骤(2)具体包括以下步骤：(2a)选定分割对象，使用图像标注工具Lableme对图像中建筑群、农田、水域进行标记，标记后进行分割，将图像分割为500×500的图像；(2b)对分割后的图像进行数据增强，随机进行水平或竖直翻转，添加随机噪声，对数据集进行扩充，将扩充后的数据集按7：2：1的比例依次划分为训练集、测试集和验证集。4.根据权利要求1所述的基于改进Deeplabv3+的轻量级遥感影像语义分割方法，其特征在于：所述步骤(3)具体包括以下步骤：(3a)构建改进的DeepLabv3+网络模型，使用轻量级网络MobileNetv2作为主干网络；(3b)在编码区Encoder中，通过连续使用3个膨胀系数为1、2、3的空洞卷积作为HDC模块替代空洞空间卷积池化金字塔ASPP中原有的卷积，为保证感受野不变，使用一个HDC模块替代膨胀率为6的卷积，使用两个HDC模块替代膨胀率为12的卷积，使用三个HDC模块替代膨胀率为18的卷积，卷积时覆盖低层特征层的方形区域，以改善网格效应带来的孔洞问题；HDC模块为遵循HDC原则的空洞卷积，定义两个非非零元素之间的最大距离公式：其中，Mi是第i层两个非零元素之间的最大距离，ri为第i层的膨胀系数。为避免网格效应造成的损失，需满足第i层两个非零元素之间的最大距离Mi≤卷积核大小K；(3c)在空洞空间卷积池化金字塔ASPP中，使用带状池化模块替代原有的全局平均池化模块，分别通过垂直池化和水平池化构建通道间的依赖关系，从不同空间维度收集信息；垂直池化时，对特征图x中的每一列像素值进行相加再求均值，垂直条带池化后的输出yv∈RW为1xW的行向量：2CN115984850A权利要求书2/3页水平池化时，对特征图x中的每一行像素值进行相加再求均值，水平条带合并后的输出yh∈RH为H×1的列向量：其中，输入特