公开(公告)号：CN115082806A

公开(公告)日：2022-09-20

申请号：CN202210605464.X

申请日：2022-05-30

Applicant: 青海大学

Inventor： 李延平 ,  王璐 ,  王世颍 ,  王晓英 ,  祁俊 ,  陈海文

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种面向中高分辨率卫星遥感影像的地面物体提取方法，通过输入图像经HRNet提取特征，然后与通过金字塔池化模块提取的上下文特征融合，得到粗略分割结果，从粗略分割结果中选取部分难学习的点，使用多层感知机在融合特征上再次进行学习，用再次学习的结果对粗略分割结果进行细化得到精细化的分割结果，整个训练过程的Loss由CE_loss，部分点的Points_loss和SSIM_loss组成。高分辨率特征表示与上下文特征融合的方式改善提取效果，对粗略分割结果重新进行学习和结构相似度损失结合的方法改善边界提取效果。具体表现如下：图像的上下文信息易获取、图像边界分割结果精细、处理结果清晰，在小尺寸目标、多类别的遥感数据集上表现优异；在不同数据的泛化能力较强。

公开(公告)号：CN115082806B

公开(公告)日：2025-03-25

申请号：CN202210605464.X

申请日：2022-05-30

Applicant: 青海大学

Inventor： 李延平 ,  王璐 ,  王世颍 ,  王晓英 ,  祁俊 ,  陈海文

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种面向中高分辨率卫星遥感影像的地面物体提取方法，通过输入图像经HRNet提取特征，然后与通过金字塔池化模块提取的上下文特征融合，得到粗略分割结果，从粗略分割结果中选取部分难学习的点，使用多层感知机在融合特征上再次进行学习，用再次学习的结果对粗略分割结果进行细化得到精细化的分割结果，整个训练过程的Loss由CE_loss，部分点的Points_loss和SSIM_loss组成。高分辨率特征表示与上下文特征融合的方式改善提取效果，对粗略分割结果重新进行学习和结构相似度损失结合的方法改善边界提取效果。具体表现如下：图像的上下文信息易获取、图像边界分割结果精细、处理结果清晰，在小尺寸目标、多类别的遥感数据集上表现优异；在不同数据的泛化能力较强。