[发明专利]基于残差网络和U-Net分割网络的卫星图像分割方法

说明书

一种基于残差网络和U‑Net分割网络的卫星图像分割方法，其步骤为：构建残差网络ResNet34；构建U‑Net分割网络；构建训练样本集；训练残差网络ResNet34；训练U‑Net分割网络；将待分割的卫星图像输入到残差网络ResNet34进行二分类，判断包含船只目标；使用U‑Net分割网络对分类结果中的正样本进行二值分割；对于分类结果中的负样本，直接输出单值掩码图；本发明利用残差网络ResNet34对卫星图像进行二分类，使用U‑Net分割网络仅对分类结果中的正样本进行分割，并在U‑Net分割中嵌入SE‑ResNet模块，提取更加精细的分割掩码，实时性高，分割精度高。

技术领域

本发明属于图像处理技术领域，更进一步涉及图像分割技术领域中的一种基于残差网络和U-Net分割网络的卫星图像分割方法。本发明可用于从高分辨率卫星图像中检测出船只目标并从图像中分割出船只所在区域。

背景技术

随着当今社会的不断发展，海上运输安全成为人们关注的热门话题。随着日益增长的航运需求，更多的海上船只增加了海上违规运输的可能性，如非法捕鱼、海盗、非法货物运输等，为海上监管造成了极大的难度。卫星图像中的船只检测与分割可以帮助监管部门对海上船只进行实时监测，维护海上运输安全。然而由于船只目标在一幅卫星图像中所占区域较小，拍摄角度各异，对象多而复杂，背景杂波和光照变化大，再加上建筑物与船只之间不同程度的遮挡等，都给卫星图像的船只检测与分割带来巨大挑战。

武汉大学在其申请的专利文献“基于Faster R-CNN的卫星图像海上舰船识别方法”(专利申请号：201811480053.2，申请公布号：CN109598241A)中提出了一种基于目标选择的卫星图像分割方法。该方法的实现步骤为：根据海面和陆地的差异将图像进行分割，选择海面图像作为备选区域，根据卫星图像的高分辨率部分图像颜色特征单一的特点，使用基于灰度直方图的分割算法，并对分割后的海洋部分图像边缘采用形态学方式进行扩展，将部分陆地信息和全部船只信息分割进入海面部分，确保目标的完整性；按照扩展之后的边缘结果进行最终的图像分割。该方法存在的不足之处是，仅提取了灰度直方图特征，灰度直方图特征受光照及噪声影响大，且只包含底层灰度及纹理信息，鲁棒性较差，导致分割精度不高。

宋天龙在其发表的论文“针对卫星图像的语义分割算法研究”(哈尔滨工业大学，硕士论文2018年6月，p32-39，p47-48)中提出了一种基于U-Net网络的卫星图像的分割方法。该方法的实现步骤为：构建样本集并进行样本增容；构建U-Net网络作为语义分割的主体网络；使用二值交叉熵及Jaccard联合损失函数训练优化U-Net网络；在此模型的基础上，得到卫星图像的分割结果，对该结果进行分类，使用稠密条件随机场对分类结果进行精修。该方法存在的不足之处是，直接将所有卫星图像输入网络进行分割和分类，这些图像中往往包含大量的负样本，将大量负样本图像输入网络进行分割，实时性差，造成了空间资源的浪费；此外，使用二值交叉熵及Jaccard联合损失函数并不能很好的训练分割网络，由于目标区域少，背景区域多，二值交叉熵及Jaccard联合损失函数容易被大量的背景区域所主导，导致分割网络不易收敛。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于残差网络和U-Net分割网络的卫星图像分割方法。

实现本发明目的的思路是，构建残差网络ResNet34用于对卫星图像进行二分类，构建U-Net分割网络用于对分类结果中的正样本进行分割，并在U-Net分割网络中嵌入SE-ResNet模块，以提升分割效率和分割精度。

本发明的具体步骤包括如下：

(1)构建残差网络ResNet34：

(1a)搭建一个34层的残差网络ResNet34；

(1b)设置残差网络ResNet34各模块参数；

(2)构建U-Net分割网络：