本申請涉及遙感，特別是涉及一種遙感圖像的分割方法、裝置及相關(guān)產(chǎn)品。

背景技術(shù)：

1、隨著科技的不斷發(fā)展，遙感技術(shù)也在隨之發(fā)展，遙感圖像在土地覆蓋分類、目標(biāo)檢測、變化檢測等多個領(lǐng)域中的應(yīng)用越來越廣泛。遙感圖像是一種個體目標(biāo)重復(fù)排列的空間形式，遙感圖像可以反映地物的空間分布特征。許多目標(biāo)都具有一定的重復(fù)關(guān)系,構(gòu)成特殊的組合形式。它可以是自然的，也可以是人為構(gòu)造的。這些特征有助于圖像的識別，如住宅區(qū)的建筑群水田與旱地的不同壟和果園排列整齊的樹冠等。相關(guān)技術(shù)在處理遙感圖像時，針對不同的任務(wù)會設(shè)計對應(yīng)于任務(wù)的特定的模型，相關(guān)技術(shù)在處理遙感圖像時非常繁瑣，進而導(dǎo)致增加研究和開發(fā)的成本和時間。

2、因此，如何更加便捷的處理遙感圖像成為了本領(lǐng)域技術(shù)人員亟需解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、基于上述問題，本申請?zhí)峁┝艘环N遙感圖像的分割方法、裝置及相關(guān)產(chǎn)品以解決相關(guān)技術(shù)處理遙感圖像時十分繁瑣的問題。

2、第一方面，本申請實施例提供了一種遙感圖像的分割方法，包括：

3、獲取待分割遙感圖像；

4、通過深度學(xué)習(xí)網(wǎng)絡(luò)模型對所述待分割遙感圖像進行特征提取得到第一特征提取結(jié)果，所述第一特征提取結(jié)果包括局部特征和區(qū)域特征；

5、通過像素解碼器對所述第一特征提取結(jié)果進行細節(jié)增強，得到第二特征提取結(jié)果；

6、利用基于注意力機制的解碼器結(jié)構(gòu)和所述第二特征提取結(jié)果生成目標(biāo)解析標(biāo)識，所述目標(biāo)解析標(biāo)識用于區(qū)分不同類別的特征；

7、基于所述目標(biāo)解析標(biāo)識將所述第二特征提取結(jié)果中的局部特征和區(qū)域特征轉(zhuǎn)化為概率分布；

8、基于所述概率分布和所述第二特征提取結(jié)果進行圖像分割得到圖像分割結(jié)果。

9、可選的，所述獲取待分割遙感圖像之前，還包括：

10、獲取待處理遙感圖像；

11、對所述待處理遙感圖像進行預(yù)處理得到待分割遙感圖像。

12、可選的，所述對所述待處理遙感圖像進行預(yù)處理得到待分割遙感圖像，包括：

13、對所述待處理遙感圖像進行輻射校正、大氣校正、幾何校正以及去噪處理中的一項或多項，得到待分割遙感圖像。

14、可選的，所述通過深度學(xué)習(xí)網(wǎng)絡(luò)模型對所述待分割遙感圖像進行特征提取得到第一特征提取結(jié)果，包括：

15、通過深度學(xué)習(xí)網(wǎng)絡(luò)模型對所述待分割遙感圖像進行特征提取得到地形特征、植被特征、水體特征和地表覆蓋物特征中的一種或多種。

16、可選的，所述通過像素解碼器對所述第一特征提取結(jié)果進行細節(jié)增強，得到第二特征提取結(jié)果，包括：

17、通過卷積網(wǎng)絡(luò)或注意力模塊對不同分辨率的輸出結(jié)果進行融合，增強細節(jié)信息，并得到第二特征提取結(jié)果。

18、可選的，所述基于所述目標(biāo)解析標(biāo)識將所述第二特征提取結(jié)果中的局部特征和區(qū)域特征轉(zhuǎn)化為概率分布，包括：

19、基于區(qū)域關(guān)注機制，從所述第二特征提取結(jié)果中確定關(guān)鍵處理區(qū)域；

20、基于所述目標(biāo)解析標(biāo)識將所述關(guān)鍵處理區(qū)域的局部特征和區(qū)域特征轉(zhuǎn)化為概率分布。

21、可選的，所述方法還包括：

22、對所述深度學(xué)習(xí)網(wǎng)絡(luò)模型進行優(yōu)化。

23、第二方面，本申請實施例提供了一種遙感圖像的分割裝置，包括：

24、獲取模塊，用于獲取待分割遙感圖像；

25、特征提取模塊，用于通過深度學(xué)習(xí)網(wǎng)絡(luò)模型對所述待分割遙感圖像進行特征提取得到第一特征提取結(jié)果，所述第一特征提取結(jié)果包括局部特征和區(qū)域特征；

26、細節(jié)增強模塊，用于通過像素解碼器對所述第一特征提取結(jié)果進行細節(jié)增強，得到第二特征提取結(jié)果；

27、解析模塊，用于利用基于注意力機制的解碼器結(jié)構(gòu)和所述第二特征提取結(jié)果生成目標(biāo)解析標(biāo)識，所述目標(biāo)解析標(biāo)識用于區(qū)分不同類別的特征；

28、概率分布模塊，用于基于所述目標(biāo)解析標(biāo)識將所述第二特征提取結(jié)果中的局部特征和區(qū)域特征轉(zhuǎn)化為概率分布；

29、分割模塊，用于基于所述概率分布和所述第二特征提取結(jié)果進行圖像分割得到圖像分割結(jié)果。

30、第三方面，本申請實施例提供了一種電子設(shè)備，包括存儲器和處理器，其中：

31、所述存儲器，用于保存計算機程序；

32、所述處理器，用于執(zhí)行所述計算機程序，以實現(xiàn)如上所述的遙感圖像的分割方法。

33、第四方面，本申請實施例提供了一種計算機可讀存儲介質(zhì)，用于保存計算機程序，其中，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上所述的遙感圖像的分割方法。

34、相較于現(xiàn)有技術(shù)，本申請具有以下有益效果：

35、本申請首先獲取待分割遙感圖像，并通過深度學(xué)習(xí)網(wǎng)絡(luò)模型對待分割遙感圖像進行特征提取得到第一特征提取結(jié)果。其中，第一特征提取結(jié)果包括局部特征和區(qū)域特征。然后通過像素解碼器對第一特征提取結(jié)果進行細節(jié)增強，得到第二特征提取結(jié)果，并利用基于注意力機制的解碼器結(jié)構(gòu)和第二特征提取結(jié)果生成目標(biāo)解析標(biāo)識。其中，目標(biāo)解析標(biāo)識用于區(qū)分不同類別的特征。最后，基于目標(biāo)解析標(biāo)識將第二特征提取結(jié)果中的局部特征和區(qū)域特征轉(zhuǎn)化為概率分布，并基于概率分布和第二特征提取結(jié)果進行圖像分割得到圖像分割結(jié)果。如此，本申請?zhí)峁┑姆椒o需針對任務(wù)設(shè)計模型，在處理不同的圖像處理任務(wù)時，只需根據(jù)目標(biāo)解析標(biāo)識的指示進行操作即可，本申請?zhí)峁┑姆椒軌蚩缛蝿?wù)工作，減少不同遙感圖像任務(wù)之間的鴻溝，降低研究與開發(fā)的成本和時間，同時提高分割準確性和適應(yīng)性。

技術(shù)特征：

1.一種遙感圖像的分割方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取待分割遙感圖像之前，還包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述待處理遙感圖像進行預(yù)處理得到待分割遙感圖像，包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過深度學(xué)習(xí)網(wǎng)絡(luò)模型對所述待分割遙感圖像進行特征提取得到第一特征提取結(jié)果，包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過像素解碼器對所述第一特征提取結(jié)果進行細節(jié)增強，得到第二特征提取結(jié)果，包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述目標(biāo)解析標(biāo)識將所述第二特征提取結(jié)果中的局部特征和區(qū)域特征轉(zhuǎn)化為概率分布，包括：

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

8.一種遙感圖像的分割裝置，其特征在于，包括：

9.一種電子設(shè)備，其特征在于，包括存儲器和處理器，其中：

10.一種計算機可讀存儲介質(zhì)，其特征在于，用于保存計算機程序，其中，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-7任意一項所述的遙感圖像的分割方法。

技術(shù)總結(jié)
本申請?zhí)峁┝艘环N遙感圖像的分割方法、裝置及相關(guān)產(chǎn)品，可應(yīng)用于遙感技術(shù)領(lǐng)域，包括：獲取待分割遙感圖像；通過深度學(xué)習(xí)網(wǎng)絡(luò)模型對待分割遙感圖像進行特征提取得到第一特征提取結(jié)果，第一特征提取結(jié)果包括局部特征和區(qū)域特征；通過像素解碼器對第一特征提取結(jié)果進行細節(jié)增強，得到第二特征提取結(jié)果；利用基于注意力機制的解碼器結(jié)構(gòu)和第二特征提取結(jié)果生成目標(biāo)解析標(biāo)識，目標(biāo)解析標(biāo)識用于區(qū)分不同類別的特征；基于目標(biāo)解析標(biāo)識將第二特征提取結(jié)果中的局部特征和區(qū)域特征轉(zhuǎn)化為概率分布；基于概率分布和第二特征提取結(jié)果進行圖像分割得到圖像分割結(jié)果。如此，無需針對各個任務(wù)單獨設(shè)計模型，提高了圖像分割效率。

技術(shù)研發(fā)人員：王晨亮,林汐,盧浩,呂泓辰,李笑然,傅俊杰
受保護的技術(shù)使用者：北京超圖軟件股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10