一种基于迁移学习的高分遥感影像语义边缘提取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114219816A(43)申请公布日2022.03.22(21)申请号202111382455.0(22)申请日2021.11.22(71)申请人浙江工业大学地址310014浙江省杭州市拱墅区潮王路18号(72)发明人夏列钢杨德志杨海平张军侠(74)专利代理机构杭州天正专利事务所有限公司33201代理人王兵(51)Int.Cl.G06T7/12(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书5页附图3页(54)发明名称一种基于迁移学习的高分遥感影像语义边缘提取方法(57)摘要一种基于迁移学习的高分遥感影像语义边缘提取方法，包括：步骤1：准备阶段，分为确定任务目标、挑选网络结构和准备预训练模型；步骤2：准备影像集和样本；步骤3：冻结选取的网络结构中的部分编码器参数，设定超参数后用样本集C微调网络结构中的其他参数，得到新的网络模型b；步骤4：制作伪样本集；步骤5：将样本集C和伪样本集D合并为样本集E，冻结部分编码器的参数，设定超参数后微调网络模型中其他部分，得到最终的语义边缘提取模型。本发明以小数量的样本便能得到精度和泛化性足够满意的语义边缘提取网络模型。CN114219816ACN114219816A权利要求书1/2页1.一种基于迁移学习的高分遥感影像语义边缘提取方法，其特征在于包括以下几个步骤：步骤1：准备阶段；可分为确定任务目标、挑选网络结构和准备预训练模型；步骤1.1：确定任务目标；即确定选取的目标地区、目标地区的遥感数据来源和所要提取语义边缘的目标地物等；步骤1.2：挑选网络结构；选取适用于任务目标的深度学习网络结构，由于影像中边缘像素和非边缘像素的分布极为不平衡，还需引入边缘比例参数β减少这种不平衡分布对网络训练过程的影响；L＝‑β∑logPr(yj＝1)‑(1‑β)∑logPr(yj＝0)步骤1.3：准备预训练模型；选取已有的提取非目标地区语义边缘的网络模型作为预训练模型a；由于语义边缘属于底部特征的性质，预训练模型的任务目标和样本与当前任务目标和样本间允许一定差异；步骤2：准备影像集和样本；步骤2.1：选取出若干个目标地区区域内的点，以这些点为中心裁切出对应的大小一致的遥感影像，选点时应让各类地物在遥感影像中均匀分布；步骤2.2：在裁剪的遥感影像中，选取一部分遥感影像作为影像集A，剩余的遥感影像作为影像集B，其中影像集B的影像数量应远大于影像集A，在两组影像集内同样要保证地物的均匀分布；步骤2.3：在影像集A上人工标注目标地物的语义边缘，得到样本集C；步骤3：冻结选取的网络结构中的部分编码器参数，设定超参数后用样本集C微调网络结构中的其他参数，得到新的网络模型b；步骤4：制作伪样本集；步骤4.1：用网络模型b提取影像集B的语义边缘，得到像素灰度值在0至255的边缘强度图；步骤4.2：边缘强度图中的边缘由多像素堆叠构成，所以对边缘强度图进行非极大值抑制处理，得到细化后的边缘结果，但边缘结果中仍然存在断线；步骤4.3：根据断点的数量评价处理后的边缘结果，根据评价从高到低选取前k张结果，使用断线修补算法将断线修补为完整的边缘，将修补结果作为伪样本集D；步骤4.3.1：检测断线的方法为：所有断线都存在至少一个断点，而处理后的边缘由单像素构成的，所以通过八邻域法检测修补结果中八邻域只有一个点的点，该点即为断点；从断点开始反向追溯可得到整条断线，遍历全图的像素点便可得到所有断线；步骤4.3.2：修补断线的方法为：根据断线产生的原因(其一为提取出完整边缘但部分边缘强度较弱被处理而产生的断线，其二为提取出部分边缘而产生的断线)，调整步骤4.2中的边缘处理阈值，在断点处检测是否存在强度较弱的边缘可将多个断点相连，若检测到便根据弱边缘将这些断点相连；否则，根据断线上点与点之间的斜率，可以将断线近似为几条线段，可得到断点所在线段的斜率；寻找两断点间某点，使得两断点到该点的距离d乘以距离权重i和两断点与该点相连线段的外夹角之和s乘以夹角权重j之和最小，则认为两断点与该点的连接线为残缺的边缘；其中，距离权重和夹角权重由前几个步骤的处理结果综合确定；2CN114219816A权利要求书2/2页(x,y)choose＝(xt,yt)min(d*i+s*j)步骤5：将样本集C和伪样本集D合并为样本集E，冻结部分编码器的参数，设定超参数后微调网络模型中其他部分，得到最终的语义边缘提取模型。2.根据权利要求1的一种基于迁移学习的高分遥感影像语义边缘提取方法，其特征在于：步骤1中，确定目标地物时可选择单类型的地物，也可选择多类型的地物；预训练模型的边缘提取任务与当前提取任务相似性越高，迁移学习的效果越好。3.根据权利