[发明专利]基于超像素的遥感图像提取方法、装置、设备及存储介质

权利要求书

1.一种基于超像素的遥感图像提取方法，其特征在于，包括以下步骤：

用超像素分割技术将训练图像分割成超像素块，并以每个超像素块的中心为中心，生成不同尺寸的模型训练样本；

根据生成的不同尺寸的模型训练样本，分别训练生成不同扫描尺寸的卷积神经网络模型；

利用训练好的不同扫描尺寸的卷积神经网络模型，对训练图像进行提取；

融合不同扫描尺寸的卷积神经网络的提取结果生成高阶卷积神经网络的训练样本；

基于生成的高阶卷积神经网络的训练样本，训练生成高阶卷积神经网络模型，并利用所述不同扫描尺寸的卷积神经网络以及高阶卷积神经网络模型对待提取的遥感图像进行目标提取。

2.根据权利要求1所述的基于超像素的遥感图像提取方法，其特征在于，利用所述高阶卷积神经网络模型对待提取的遥感图像进行目标提取具体为：用超像素分割技术将待提取的道路的遥感图像分割成超像素块；

对超像素块进行二类分割，得到道路的潜在引导区域；

利用训练好的不同扫描尺寸的神经网络模型和高阶卷积神经网络模型对潜在引导区域进行扫描计算，得到最终提取结果。

3.根据权利要求1所述的一种基于超像素的遥感图像提取方法，其特征在于，所述不同尺寸的模型训练样本包括正负样本。

4.根据权利要求1所述的一种基于超像素的遥感图像提取方法，其特征在于，在将不同扫描尺寸的卷积神经网络的提取结果进行融合时，结合超像素分割结果，以超像素块的中心为中心生成融合结果。

5.根据权利要求2所述的一种基于超像素的遥感图像提取方法，其特征在于，对超像素块进行二类分割，得到道路的潜在引导区域采用嵌入超像素的整体狄利克雷分割技术，所述嵌入超像素的整体狄利克雷分割技术进行二类分割是基于稀疏表示对狄利克雷混合模型参数的自动优化。

6.一种基于超像素的遥感图像提取装置，其特征在于，包括:

分割模块，用于用超像素分割技术将训练图像分割成超像素块，并以每个超像素块的中心为中心，生成不同尺寸的模型训练样本；

训练模块，用于根据生成的不同尺寸的模型训练样本，分别训练生成不同扫描尺寸的卷积神经网络模型；

第一提取模块，用于利用训练好的不同扫描尺寸的卷积神经网络模型，对训练图像进行提取；

融合模块，用于融合不同扫描尺寸的卷积神经网络的提取结果生成高阶卷积神经网络的训练样本；

第二提取模块，基于生成的高阶卷积神经网络的训练样本，训练生成高阶卷积神经网络模型，并利用所述不同扫描尺寸的卷积神经网络以及高阶卷积神经网络模型对待提取的遥感图像进行目标提取。

7.根据权利要求6所述的基于超像素的遥感图像提取装置，其特征在于，利用所述高阶卷积神经网络模型对待提取的遥感图像进行目标提取具体为：用超像素分割技术将待提取的道路的遥感图像分割成超像素块；

对超像素块进行二类分割，得到道路的潜在引导区域；

利用训练好的不同扫描尺寸的神经网络模型和高阶卷积神经网络模型对潜在引导区域进行扫描计算，得到最终提取结果。

8.根据权利要求7所述的一种基于超像素的遥感图像提取方法，其特征在于，对超像素块进行二类分割，得到道路的潜在引导区域采用嵌入超像素的整体狄利克雷分割技术，所述嵌入超像素的整体狄利克雷分割技术进行二类分割是基于稀疏表示对狄利克雷混合模型参数的自动优化。

9.一种基于超像素的遥感图像提取设备，其特征在于，包括存储器以及处理器，所述存储器内存储有计算机程序，所述处理器用于运行所述计算机程序以实现如权利要求1-5任意一项所述的一种基于超像素的遥感图像提取方法。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序能够被所述存储介质所在设备的处理器执行，以实现如权利要求1-5任意一项所述的一种基于超像素的遥感图像提取方法。