【技术实现步骤摘要】
本专利技术属于遥感云检测，具体地说是一种面向移动端边缘计算的轻量化遥感云图像语义分割方法。
技术介绍
1、遥感技术是一种通过卫星、飞机、无人机等远距离感知技术获取地球表面信息的手段。随着遥感技术和卫星技术的进步，遥感图像在研究地球表面信息方面变得至关重要，特别是卫星遥感图像在此领域的显著地位。
2、科技的不断发展以及各种遥感图像分析软件工具的涌现，使得获取和研究卫星遥感图像的成本降低，光学遥感技术在地球系统科学中得到了广泛应用。根据国际卫星云气候计划(isccp)的数据，全球每年平均云覆盖率约为68％。其中，陆地上的云量约为55％，而海洋云量约为72％，突显了云像素在遥感图像中所占比例之大。因此，云检测成为卫星遥感图像处理中一项至关重要的研究任务。尽管观测云覆盖对研究地球水循环和气候变化等具有重要意义，但在使用卫星图像进行地面物体分析时，云层可能成为一种干扰信号，对准确获取地表信息构成障碍。因此，准确检测云覆盖区域并去除云，对于获取可靠的地表信息至关重要。
3、在云检测中，当云与其他具有相似反射特性的地表物体同时存在于遥感图像中时，区分它们可能会带来一定困难。为了提高识别准确性，一些研究者提出了利用其他相关波段信息的方法。然而，由于一些卫星数据中光谱波段数量和覆盖范围有限，当通道仅包括红、绿、蓝和近红外波段时，自动化分割提取云层的难度将更大。另一方面，近年来深度学习算法的迅猛发展使得以卷积神经网络(cnn)为基础的语义分割算法成为可能。这些算法通过结合空间和光谱模式对遥感图像进行分割，相较于早期的手工制作
技术实现思路
1、本专利技术的目的正是为克服上述现有技术的不足，提供一种一种轻量化遥感云图像语义分割方法。
2、一种轻量化遥感云图像语义分割方法，包括以下步骤：
3、获取遥感云图像；
4、构建轻量化残差模块，对接收的遥感云图像的特征进行分组卷积形成多个分组，对每个分组进行独立的卷积操作，最后将各个小组的输出合并起来形成一个总特征数据；
5、构建空间金字塔池化模块aspp，对总特征数据进行通道划分形成均等的n等份特征，对该n等份特征进行不同尺度的特征信息提取，从而产生不同尺度的感受野，从而获取不同尺度的上下文信息，最后，将n等份特征融合拼接在一起；
6、构建结构重参数化模块，对融合拼接在一起后的特征数据进行补零和融合处理，形成数据集；
7、训练网络，使用adam优化器以及学习率线性衰减，将数据集中有云的部分标记为白色，其余标记为黑色，对网络进行训练，输出分割图。
8、所述轻量化残差模块中，首先模块使用1×1分组卷积对输入的特征进行分组卷积操作分成多个分组；
9、然后使用3×3的深度可分离卷积提取输入的特征；
10、接着使用1×1的分组卷积核将特征进行降维；
11、将通过1×1分组卷积层降维的结果与残差连接进行相加，然后输入se注意力模块内，将se模块的输出结果进行通道重排，进一步加强通道之间的交互。
12、在空间金字塔池化模块中进行处理时，采用多尺度特征提取模块对总特征数据进行通道划分形成4等份特征，每等份的维度为输入总特征数据通道数的四分之一；
13、然后，采用三个空洞率分别为1、3、5的空洞卷积以及1×1卷积层分别对4等份特征进行不同尺度的特征信息提取，从而产生不同尺度的感受野，从而获取不同尺度的上下文信息；
14、最后，将卷积处理后的4个等份特征融合拼接在一起，通过一个1x1卷积层进行通道数调整，形成单通道，从而减少特征图的通道数。
15、所述结构重参数化模块具体包括以下内容：
16、将1×1卷积层转化为3×3卷积层，以保持卷积核尺寸大小一致，此处使用padding进行补零操作；
17、恒等映射转换为3×3卷积层，即在深度可分离卷积中将每个通道的单独1×1卷积层转化为3×3卷积层，利用padding进行补零；
18、每个卷积层处理后都进行相应的批归一化层处理，将卷积层和批归一化层融合，即对卷积层批归一化层的两个算子进行融合为repconv，从而减少计算量和内存占用，算子的融合在网络训练完成之后进行。
19、所述卷积层和批归一化层融合的具体过程为：
20、设遥感云图像为x，卷积核大小为w，卷积层的表达式如下所示：
21、conv(χ)＝w*χ+b
22、其中，b代表卷积层的偏置，后续输入值批处理归一化层bn，公式如下：
23、
24、其中，μ代表bn层数据的均值，σ代表bn层数据的方差，ε代表一个非常小的常数，用于防止除数出现0的情况，γ与β分别代表bn层的尺度缩放因子、平移因子，用于调整数据至标准正态分布，将卷积层的运算代入到bn层中，公式如下：
25、
26、化简后可得：
27、
28、从公式可以看出，将与分别作为卷积层的卷积核、偏置，实现卷积层与bn层的融合。
29、所述se注意力模块进行通道重排时，将原有的各个通道以不同的连接方式进行输出。
30、本专利技术具有以下有益技术效果：
31、在参数量、计算量和分割精度的综合考虑上，本专利技术表现更优，具体表现为本专利技术残数量相较于传统mobilenet大幅减少，且介于语义分割模型dfanet与轻量化分割模型lednet之间，但所需计算量与dfanet接近，且小于lednet。其次，在云图检测的分割性能上，本方案通过改进的金字塔多尺度特征提取模块，能对不同形状云的边缘结构进行关注，客观上能更好的避免漏警和误警，可应用于冰雪等环境中的遥感影像处理。
本文档来自技高网...【技术保护点】
1.一种轻量化遥感云图像语义分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的轻量化遥感云图像语义分割方法，其特征在于，所述轻量化残差模块中，首先模块使用1×1分组卷积对输入的特征进行分组卷积操作分成多个分组；
3.根据权利要求2所述的轻量化遥感云图像语义分割方法，其特征在于，在空间金字塔池化模块中进行处理时，采用多尺度特征提取模块对总特征数据进行通道划分形成4等份特征，每等份的维度为输入总特征数据通道数的四分之一；
4.根据权利要求3所述的轻量化遥感云图像语义分割方法，其特征在于，所述结构重参数化模块具体包括以下内容：
5.根据权利要求4所述的轻量化遥感云图像语义分割方法，其特征在于，所述卷积层和批归一化层融合的具体过程为：
6.根据权利要求4所述的轻量化遥感云图像语义分割方法，其特征在于，所述SE注意力模块进行通道重排时，将原有的各个通道以不同的连接方式进行输出。
【技术特征摘要】
1.一种轻量化遥感云图像语义分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的轻量化遥感云图像语义分割方法，其特征在于，所述轻量化残差模块中，首先模块使用1×1分组卷积对输入的特征进行分组卷积操作分成多个分组；
3.根据权利要求2所述的轻量化遥感云图像语义分割方法，其特征在于，在空间金字塔池化模块中进行处理时，采用多尺度特征提取模块对总特征数据进行通道划分形成4等份特征，每等份的维度为输...
【专利技术属性】
技术研发人员：叶武剑，谢林峰，刘怡俊，王岳，钟表，潘庆国，袁勇，杨丽苹，
申请(专利权)人：广东美晨通讯有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。