[发明专利]基于置信点的遥感图像分割方法

摘要

本发明公开了一种基于置信点的遥感图像分割方法，主要解决现有技术中高分辨率遥感影像分割精度不高的缺陷。本发明的具体步骤如下：(1)构建卷积神经网络；(2)生成两个训练集；(3)生成两个测试集；(4)对测试集进行地物类别标签预测；(5)标记每个置信点像素；(6)修正建筑物类别；(7)更新植物类别；(8)得到最终的地物类别标签。本发明具有提高植被与建筑物类别精度，不仅对低分辨率的遥感图像有较好的分割效果，而且对高分辨率的遥感图像也具有较好的分割效果。

主权项

1.一种基于置信点的遥感图像分割方法，其特征在于，利用神经网络预测地物类别标签，融合根据多视图与双数据模型所获得的类别标签，利用置信点修正分割图中的建筑物类别，该方法的步骤包括如下：(1)构建LinkNet神经网络：(1a)搭建一个14层的LinkNet神经网络；(1b)设置LinkNet神经网络中各层的参数；(2)生成两个训练集：(2a)从遥感图像数据集中选取至少20000张图像，组成基础训练集，其中选10000张红绿蓝RGB图像，其余的10000张为多光谱图像；基础训练集中的每张图像的每一个像素的地物类别标签为道路、高架桥、建筑物、植被和地面五种地物类别标签中的一种，每张红绿蓝RGB图像对应一个卫星拍摄区域，每张多光谱图像均包含八波段信息，每张多光谱图像的卫星拍摄区域与每张红绿蓝RGB图像的卫星拍摄区域对应相同；(2b)利用合成方法，将基础训练集中所有的红绿蓝RGB图像合成为增强型红绿蓝RGB图像，作为第一个训练集；(2c)利用合成方法，将基础训练集中所有的多光谱图像合成为多波段伪彩色图像，作为第二个训练集；(3)训练神经网络：(3a)将第一个训练集输入到LinkNet网络中进行训练，得到训练好的第一个分割网络；(3b)将第二个训练集输入到LinkNet网络中进行训练，得到训练好的第二个分割网络；(4)生成两个测试集：(4a)从遥感图像数据集中选取至少6000张图像，组成基础测试集，其中选3000张红绿蓝RGB图像，其余的3000张为多光谱图像；基础测试集中的每张图像的每一个像素的地物类别标签为道路、高架桥、建筑物、植被和地面五种地物类别标签中的一种，每张红绿蓝RGB图像对应一个卫星拍摄区域，每张多光谱图像均包含八波段信息，每张多光谱图像的卫星拍摄区域与每张红绿蓝RGB图像的卫星拍摄区域对应相同；(4b)利用合成方法，将基础测试集中的红绿蓝RGB图像合成为增强型红绿蓝RGB图像，作为第一个测试集；(4c)利用合成方法，将基础测试集中的多光谱图像合成为多波段伪彩色图像，作为第二个测试集；(5)对测试集进行地物类别标签预测：(5a)将第一个测试集的每一张图像依次输入到第一个分割网络中，输出第一个测试集中每一张图像中的每一个像素的地物类别标签及每一张图像中的每一个像素的地物类别标签概率值；(5b)将第二个测试集的每一张图像依次输入到第二个分割网络中，输出第二个测试集中每一张图像中的每一个像素的地物类别标签及每一张图像中的每一个像素的地物类别标签概率值；(6)标记每个置信点像素：遍历第一个测试集中每张图像中的每个像素；将其中像素的地物类别标签概率值大于0.9的所有的像素均标记为置信点像素；(7)修正建筑物类别：遍历第一个测试集中所有地物类别标签为建筑物的每个像素，将与每个像素相邻5×5个像素点范围内存在置信点像素的所有像素的地物类别标签均更改为建筑物，其余的像素的地物类别标签均更改为地面；得到更新后的第一个测试集中每一张图像中的每一个像素的地物类别标签；(8)更新植物类别：(8a)将第二个测试集中所有类别为植被的像素对应于海岸线波段Coastal的像素值的均值与0.8相乘，得到海岸线波段Coastal的阈值，将第二个测试集中所有类别为植被的像素对应于黄色波段Yellow的像素值的均值与0.8相乘，得到黄色波段Yellow的阈值，将第二个测试集中所有类别为植被的像素对应于近红外二波段NIR2的像素值的均值与0.2相乘，得到近红外二波段NIR2的阈值；(8b)遍历第二个测试集中每一张图像中的每一个像素，将地物类别标签概率值小于等于0.5、对应于海岸线波段Coastal的像素值小于海岸线波段Coastal的阈值、黄色波段Yellow的像素值小于黄色波段Yellow的阈值、近红外二波段NIR2的像素值大于近红外二波段NIR2的阈值的所有像素的地物类别标签均更新为植被，其余的像素均保持原有的地物类别标签不变；得到更新后的第二个测试集中每一张图像中的每一个像素的地物类别标签；(9)得到最终的地物类别标签：(9a)用更新后的第二个测试集中每一张图像中的每一个像素的植被类别标签，替换更新后的第一个测试集中每一张图像中的每一个像素的植被类别标签，得到植被类别替换后的第一个测试集中每一张图像中的每一个像素的地物类别标签；(9b)植被类别替换后的后的第一个测试集中每一张图像中的每一个像素的地物类别标签，作为遥感图像分割后的地物类别标签。