[发明专利]一种跨域裸地语义分割网络构建方法、装置及存储介质

说明书

本申请涉及一种跨域裸地语义分割网络构建方法、装置及存储介质，所述方法包括步骤：获取光学影像数据；提取所述光学影像数据的裸地指数；获取所述光学影像数据的均衡标签；构建基于双Unet的编码‑解码重构网络；构建多任务损失函数；使用所述编码‑解码重构网络训练所述光学影像数据。本申请实施例提供的一种跨域裸地语义分割网络构建方法、装置及存储介质采用均衡策略，通过统计不同类别差异以及分布情况，均衡扩充训练集数据集，从而使得模型训练结果更优。

技术领域

本申请涉及遥感图像工程应用领域，尤其涉及一种跨域裸地语义分割网络构建方法、装置及存储介质。

背景技术

随着社会的发展，我国的耕地被非法侵占、裸地超期未复垦、耕地撂荒的现象逐渐严重。因此，基于遥感影像开展裸地普查具有重要意义。

传统的提取裸地的方法有多种，其中，通过遥感目视解译方法主要是根据专家经验通过对影像的判断进行裸地标注获取，但是这种方法具有较强的主观性，且很难区分出耕地轮休和裸地的特征；采用光谱法直接提取裸地则比较容易出现同谱异物等问题；传统的机器学习方法又无法有效提取时空上下文信息等深层次特征，从而导致识别效果不佳。

深度学习因其深层特征表征能力、端到端的训练优势为解决该问题提供了新的技术可能性。然而，在深度学习取得巨大成功的同时，其应用却面临两个主要挑战：一是数据标注难问题，目前的深度学习方法需要大量的标注数据来进行训练,但是实际应用中数据获取往往是困难的。例如针对中分辨率遥感影像进行裸地提取时，中分辨率遥感影像由于人眼解译难，要想获取质量较高的标注数据，往往需要耗费大量人力物力；二是深度学习模型在跨区域裸地提取时，不具备很好的迁移性和适用性，从而阻碍了深度学习技术在遥感影像识别领域的应用。因此如何在保留现在的深度学习方法强大的知识表示能力的同时，使其可以快速从少量样本中学习到有用的知识，并且能在跨区域识别中展现出良好的迁移性的问题已经逐渐引起了人们的注意，且需要相应地改进。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种跨域裸地语义分割网络构建方法、装置及存储介质。

第一方面，本申请提供了一种跨域裸地语义分割网络构建方法，所述方法包括步骤：

获取光学影像数据；

提取所述光学影像数据的裸地指数；

获取所述光学影像数据的均衡标签；

构建基于双Unet的编码-解码重构网络；

构建多任务损失函数；

使用所述编码-解码重构网络训练所述光学影像数据。

优选地，所述提取所述光学影像数据的裸地指数包括步骤：

提取所述光学影像数据的第二波段数据、第四波段数据、第八波段数据和第十一波段数据；

获取裸地指数计算公式；

将所述第二波段数据、所述第四波段数据、所述第八波段数据和所述第十一波段数据分别代入所述裸地指数计算公式中。

优选地，所述裸地指数计算公式的表达式为：

BI＝(((band₄+band₁₁)-(band₂+band₈))/((band₄+band₁₁)+(band₂+band₈)))；

其中，BI表示裸地指数，band₂表示第二波段数据，band₄表示第四波段数据，band₈表示第八波段数据，band₁₁表示第十一波段数据。