基于边界点选择算法的遥感图像语义分割方法.pdf
猫巷****奕声
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
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
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。
基于语义分割的高分遥感图像云检测方法和装置.pdf
本申请涉及一种基于语义分割的高分遥感图像云检测方法和装置,该方法包括:获取高分遥感图像,所述高分遥感图像为RGB图像数据;对获取的图像进行预分类,判断图像是否为有云图片;如果是有云图片,则对图片进行增强处理;将增强处理后的图片输入到云检测模型中进行识别;所述云检测模型是预先训练好的语义分割模型,该模型中包括注意力机制模块;将所述云检测模型的输出结果进行融合处理,获得云检测结果。本申请的方案基于语义分割对高分辨率遥感图像进行像素级云检测,从而提高检测精度;单纯使用RGB图像进行云检测,大幅提高云检测普适性;