[发明专利]遥感图像场景规划方法、装置、电子设备和存储介质

说明书

本发明提供一种遥感图像场景规划方法、装置、电子设备和存储介质，所述方法包括：对待规划场景的遥感图像进行目标分割，得到分割图像；基于所述分割图像进行规划修改，得到修改后的分割图像；将修改后的分割图像输入至规划效果生成模型，得到所述规划效果生成模型输出的场景效果图像；所述规划效果生成模型是基于样本遥感图像和样本分割图像对条件生成对抗网络进行训练得到的。本发明提供的方法、装置、电子设备和存储介质，通过对待规划场景的遥感图像进行目标分割，得到分割图像，从而可以方便快捷地在分割图像上进行场景规划，并且通过规划效果生成模型生成规划后的场景效果图像，可以快速、高效地得到逼真的规划结果。

技术领域

本发明涉及遥感图像处理技术领域，尤其涉及一种遥感图像场景规划方法、装置、电子设备和存储介质。

背景技术

随着遥感成像设备性能的不断提升，各种类型的高分辨率遥感图像的获取变得越来越便利，如何针对这些数据进行应用已经吸引了大量研究，比如遥感目标的分类、检测、跟踪等。但是如何对遥感图像中的场景进行简单有效的规划却很少有人研究。此外，由于遥感图像场景复杂多变，直接对场景进行规划难度较大。

因此，在遥感图像中场景复杂混乱的情况下，如何进行简单有效的场景规划，仍然是遥感图像领域亟待解决的问题。

发明内容

本发明提供一种遥感图像场景规划方法、装置、电子设备和存储介质，用以实现简单有效的遥感图像场景规划。

本发明提供一种遥感图像场景规划方法，包括：

对待规划场景的遥感图像进行目标分割，得到分割图像；

基于所述分割图像进行规划修改，得到修改后的分割图像；

将修改后的分割图像输入至规划效果生成模型，得到所述规划效果生成模型输出的场景效果图像；

所述规划效果生成模型是基于样本遥感图像和样本分割图像对条件生成对抗网络进行训练得到的。

根据本发明提供的一种遥感图像场景规划方法，所述对待规划场景的遥感图像进行目标分割，得到分割图像，包括：

将所述遥感图像输入至目标分割模型，得到所述分割图像；

所述目标分割模型是基于样本遥感图像对全卷积神经网络进行训练得到的。

根据本发明提供的一种遥感图像场景规划方法，所述目标分割模型包括主干网络、多深度卷积模块和自适应特征整合模块；

所述将所述遥感图像输入至目标分割模型，得到所述分割图像，包括：

将所述遥感图像输入至所述主干网络，得到浅层特征；

将所述浅层特征输入至所述多深度卷积模块，得到深层特征；

基于所述自适应特征整合模块，对所述浅层特征和深层特征进行融合，并基于融合结果得到所述分割图像。

根据本发明提供的一种遥感图像场景规划方法，所述多深度卷积模块包括多个多深度卷积分支和全局池化分支；各多深度卷积分支包括不同层数的卷积层，各卷积层的卷积核尺寸相同；所述全局池化分支包括全局平均池化层和卷积层。

根据本发明提供的一种遥感图像场景规划方法，所述规划效果生成模型是基于如下方法进行训练得到的：

基于所述样本分割图像对所述条件生成对抗网络中的生成器和判别器进行交替训练，将训练所得的生成器作为所述规划效果生成模型；

所述判别器的输入包括所述样本分割图像，以及所述样本分割图像对应的所述样本遥感图像或者样本效果图像，所述样本效果图像是将所述样本分割图像输入至所述生成器得到的。