一种基于深度学习的遥感图像语义分割方法.pdf
努力****晓骞
亲,该文档总共12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,
基于深度学习的遥感图像的分割方法.pdf
本发明属于图像处理技术领域,具体为基于深度学习的遥感图像的分割方法。本发明方法包括:选取包含若干种地物类别的遥感图像,制作图像分割标签;将大图像裁剪成若干较小的遥感图像,统计每张较小图像中各种类别比例,定义选取规则,保留部分图像,并将其定义为特定类别;利用迁移学习调取大型公开数据集的训练参数,用卷积神经网络训练制作好的分类数据集,训练得到模型参数;对测试图像的所有像素点周围选取多种测试窗口,基于多尺度对像素点进行类别分类;最后去除独立的类别噪声点,将测试结果优化。本发明实用性强,可以将大规模遥感图像快速生
一种基于深度学习的农作物遥感图像语义分割方法.pdf
本发明涉及一种基于深度学习的农作物遥感图像语义分割方法,包括:采集哨兵2号卫星的L2A级图像,进行波段提升和波段融合,再进行裁剪、标注后作为数据存储至数据集;将数据集划分为训练集、验证集和测试集,调整卷积神经网络模型的超参数、检验卷积神经网络模型,直至获得一个损失函数收敛的卷积神经网络模型;待测样本采集并完成农作物检测。本发明为遥感影像农作物语义分割提供了新的网络模型,可同时处理遥感影像的多波段信息而非传统图像的RGB三通道信息,针对遥感图像的分割问题具有较强的适用性;本网络模型在原U‑net的模型基础上
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。