[发明专利]基于深度双边滤波的点监督遥感图像语义分割方法及系统

说明书

本发明公开了一种基于深度双边滤波的点监督遥感图像语义分割方法及系统，所述方法结合双边滤波算法和深度学习特征，将遥感影像进行多层次特征提取后并进行双边滤波，然后构建特征金字塔对滤波后的特征进行融合，最后输出语义分割结果。本发明提出的点监督遥感图像语义分割方法，减少了人工标注标签成本，且能准确分割出遥感图像的地物，在利用点标签进行监督的基础上，可将遥感图像中相似区域的深度特征进行平滑从而缩小特征的类内距离，有效解决了点标签在弱监督学习中所存在的监督信息稀疏的问题。此外，还能保持遥感图像中地物边缘的高频信息，锐化地物边缘信息，进而解决点标签在弱监督学习中所存在的边缘信息缺失的问题。

技术领域

本发明涉及到遥感图像处理技术领域，尤其涉及一种基于深度双边滤波的点监督遥感图像语义分割方法及系统。

背景技术

语义分割是遥感图像解译中的一项基本任务和挑战，其目的在于对遥感影像中的每一个像素都分配一个语义类别标签，在城市规划，智慧农业和资源利用中具有重大的意义。近年来，随着人工智能和计算机技术的发展，深度学习算法在特征提取，目标检测，语义分割等任务中展现了远超传统算法的优越性能，在遥感图像解译技术中也发挥了重要的作用。

深度学习算法通常需要大量人工标注的标签来进行监督，耗时耗力。因此我们希望仅用标注代价较小的弱标签来进行弱监督学习。弱标签存在图像级标签，点标签，涂鸦标签，bounding box标签（边界框标签）等，针对遥感影像语义分割的场景，利用点标签来监督语义分割任务是最为可行的方式。但是点标签存在两个问题，一是仅能提供稀疏的监督信息，即一幅大场景的遥感图像中仅有少数的一些像素点具有监督信息；二是不能提供地物的边缘信息，即仅有点标签不能体现出遥感图像中各种地物类别的边界和形态。

发明内容

本发明要解决的技术问题为：针对现有技术的上述问题，提供一种基于深度双边滤波的点监督遥感图像语义分割方法及系统，其旨在解决点标签存在的问题，以提高遥感图像弱监督语义分割的精确度以及性能。

为了解决上述技术问题，本发明提供一种基于深度双边滤波的点监督遥感图像语义分割方法，所述方法包括以下步骤：

S1、利用由卷积神经网络构成的编码器对遥感图像进行多层次的特征提取，得到多个层次的特征f_i，其中特征f_i为遥感图像在第i层所提取得到的特征；

S2、将每一个特征f_i 均输入深度双边滤波模块中进行深度双边滤波，得到滤波后的特征p_i；

S3、构建特征金字塔以对滤波后的特征p_i进行融合，然后将融合后的结果输入基于点标签弱监督训练的语义分割网络和分类器中，进而输出最终的语义分割结果。

可选地，所述编码器包括对遥感图像进行多层次特征提取的个编码模块，每一个编码模块中均包含卷积层、批归一化层和修正线性单元，且每一个编码模块均通过步长为2的1×1卷积层对遥感图像中的特征进行两倍下采样，从而得到不同层次的特征f_i 。

可选地，所述的卷积神经网络为深度残差神经网络。

可选地，所述步骤S2的具体实现方式包括：