一种基于有监督长程相关的遥感图像语义分割方法.pdf
王秋****哥哥
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于有监督长程相关的遥感图像语义分割方法.pdf
本发明涉及一种基于有监督长程相关的遥感图像语义分割方法。利用遥感影像以及人工标注的像素级语义类别真值图构建样本库,对基于有监督长程相关的遥感图像语义分割网络进行训练,学习遥感影像上每个类别地物要素的特征。利用训练好的网络模型对新的遥感影像进行语义分割,能够实现遥感影像高精度的像素级分类。在本发明方法中,长程相关性学习过程显式地利用语义类别真值图生成类别一致性约束,对计算出的相关性分数进行监督。这使得网络模型对于属于同类地物的像素提取出的特征具有更好的一致性,而对于属于不同类别的地物像素提取出的特征具有更明
基于视差信息的遥感图像语义分割方法.pdf
本发明提出一种基于视差信息的遥感图像语义分割方法,用于解决现有技术中存在的分割精度较低的技术问题,实现步骤为:获取训练样本集和测试样本集;对训练样本集进行预处理;对视差网络进行训练;对测试样本集进行视差检测;获取测试样本集的视差信息;对语义分割网络进行训练;对测试样本集进行语义检测;对初步语义分割结果进行修正;获取最终的语义分割结果。本发明对遥感图像的视差结果进行左右一致性检测LRC,再利用检测得到的视差信息对语义分割结果进行修正,并提出了一个全新的语义切块融合检测方法,显著提高了语义分割的精度。可用于地
一种基于深度学习的遥感图像语义分割方法.pdf
本发明公开了一种基于深度学习的遥感图像语义分割方法,包括以下步骤:获取数据集;对数据进行增广;构建segnet、unet网络模型;修改segnet网络,在编码器中的前两个阶段增加两个空洞空间金字塔池化(ASPP)模块,有效提取多尺度特征,保留空间位置信息,完成两个ASPP模块的训练后,在解码器中进行相应的特征融合;载入数据进行模型训练、预测;模型融合,将使用三个模型得到的预测图的每个像素点进行投票;对预测结果做可视化处理。本发明对segnet网络进行改进,增强了特征提取能力并有效的融合了网络的上下文信息,
一种基于双边融合的遥感图像语义分割方法.pdf
本发明公开了一种基于双边融合的遥感图像语义分割方法,该方法包括以下步骤:输入单幅遥感图像;构造用于风格迁移的生成器;构造基于双边融合方式的卷积神经网络;生成并迭代优化学习模型;输出语义分割结果。本发明的特点在于定义了一个针对遥感图像的语义分割模型,可以克服因图像噪声引起的漏检、误检问题,增强了遥感图像的分割效果,提高了语义分割的准确率;本发明可广泛应用于国土资源和精准农业领域的目标定位和检测。
基于双向无监督域适应融合的跨星遥感图像语义分割方法.pdf
本发明公开了一种基于双向无监督域适应融合的跨星遥感图像语义分割方法,包括源域‑目标域图像双向转换模型训练、图像转换模型双向转换器参数选择、源域‑目标域图像双向转换、源域和拟目标域语义分割模型训练、源域和目标域类别分割概率生成以及融合。本发明利用源‑目标和目标‑源双向域适应,将源域和目标域上类别分割进行概率融合,提高了跨星遥感图像语义分割模型的准确率和鲁棒性,进一步通过双向语义一致损失和转换器参数选择,从而避免了图像双向转换模型中转换器效果不稳定所带来的影响。