基于空间分辨率域自适应的无监督遥感图像语义分割方法.pdf
瀚玥****魔王
亲,该文档总共21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
基于空间分辨率域自适应的无监督遥感图像语义分割方法.pdf
本发明涉及基于空间分辨率域自适应的无监督遥感图像语义分割领域,基于空间分辨率域自适应的无监督遥感图像语义分割方法包括如下步骤:获取源域低分辨率遥感图像数据集和目标域高分辨率遥感图像数据集,分为:图像语义分割训练集和图像语义分割测试集;搭建基于对抗学习的超分辨率‑语义分割多任务网络;搭建好的基于对抗学习的超分辨率网络进行网络预训练;训练基于对抗学习的超分辨率‑语义分割多任务网络;将图像语义分割测试集输入已训练好的基于对抗学习的超分辨率‑语义分割多任务网络生成器得到最终预测结果。
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。
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
基于边界点选择算法的遥感图像语义分割方法.pdf
本发明公开了基于边界点选择算法的遥感图像语义分割方法,包括如下步骤:首先,通过计算对图像进行平滑滤波,得到平滑的图像,再对平滑的图像进行拉普拉斯运算,增强图像,选择二价倒数中的零交叉点进行边缘检测判据,随机选取点,构造边界区域,通过计算确定结构边界点,本发明通过边界点选择算法去结合边缘检测和深度学习的分割方法,在边缘检测的基础上选择结构边界点来构成边界点图,更好地保留语义分割对象的边界信息,结合了边缘检测算法,使得语义分割对象的边界与真实值吻合地更好,减少了在下采样过程中边界丢失的问题,得到的语义分割模型