【技术实现步骤摘要】
本申请涉及图像处理，特别涉及一种耕地遥感图像分割方法、装置、介质和设备。
技术介绍
1、耕地地块分割是利用高分辨率遥感图像进行地表区域划分的关键任务，对于农业管理、土地规划和精准农业至关重要。借助先进的计算机视觉和深度学习技术，耕地地块分割能够准确识别和划分不同的农田区域，为监测农作物生长、评估土地利用效益、制定农业政策提供重要支持。
2、现有技术中，cn116228789a通过对deeplabv3网络结构进行改进，引入了位置注意力机制和通道注意力模块。这两种注意力机制有效地整合了全局上下文信息，为目标特征赋予更高的权重值。特别是在上采样阶段，这一改进能够更有效地恢复边缘特征，提高分割结果的精度。cn115861788a通过构建u-net深层次语义信息提取模型，并与随机森林算法模型联合，形成最优模型。该方法在少量数据训练下，显著提高了对耕地地块的提取精度和准确度，为解决耕地地块提取问题提供了一种有效途径。cn114596502a采用了联合边缘增强损失函数(be-loss)和高效的bec-net网络框架，其中以efficientnet为骨干网络的unet用于语义分割。边界增强模块通过引入scse双通道注意力机制、cot模块、门控卷积等技术，提升了训练精度。这些方法在不同方面都为耕地分割的精度提高做出了贡献，为该领域的研究和应用提供了有益的技术方案。
3、但是，由于耕地遥感图像中由于土地覆盖类型繁多导致的边缘纹理复杂、不同的耕地地块形状大小具有差异等问题，导致上述方法对耕地遥感图像进行处理时无法获得不同耕地类
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种耕地遥感图像分割方法、装置、介质和设备。
2、本说明书采用下述技术方案：
3、本说明书提供了一种耕地遥感图像分割方法，包括：
4、构建改进pspnet网络，所述改进pspnet网络包括：biformer特征提取层，与biformer特征提取层输出端连接的金字塔池化层，同时与金字塔池化层输出端和biformer特征提取层输出端连接的拼接层；对所述改进pspnet网络进行训练以获得耕地遥感图像分割模型；
5、将待分割耕地遥感图像输入到耕地遥感图像分割模型中，biformer特征提取层通过捕捉耕地遥感图像中的长程依赖关系和全局上下文信息保留空间细节信息，获得轮廓特征图；金字塔池化层通过对轮廓特征图进行不同尺度的池化操作获得不同尺度的颜色纹理特征图；将轮廓特征图和不同尺度的颜色纹理特征图输入到拼接层进行拼接；对拼接结果进行卷积操作以输出耕地遥感图像的分割结果。
6、进一步的，所述biformer特征提取层包括依次连接的stage1模块、stage2模块、stage3模块、stage4模块，其中，stage1模块包括依次连接的标记嵌入层和2个biformer模块，stage2模块包括依次连接的标记合并层和2个biformer模块，stage3模块包括依次连接的标记合并层和6个biformer模块，stage4模块包括依次连接的标记合并层和2个biformer模块。
7、进一步的，所述biformer模块包括依次连接的深度可卷积分离层、第一归一化层、双层路由动态注意力机制层、第二归一化层和多层感知机；
8、其中，深度可卷积分离层的输入与深度可卷积分离层的输出进行拼接后输入到第一归一化层，第一归一化层的输入与双层路由动态注意力机制层的输出进行拼接后输入到第二归一化层，第二归一化层的输入与多层感知机的输出进行拼接后作为biformer模块的输出。
9、进一步的，所述双层路由动态注意力机制层，包括：
10、将第一归一化层输出的大小为h×w×c的特征图x划分为s×s个不同的区域，每个区域包含个特征向量，并将s×s个不同的区域进行线性映射：
11、q＝xrwq
12、k＝xrwk
13、v＝xrwv
14、其中，wq、wk、wv分别是query、key、value的投影权重；q、k、v分别是查询query、键key和值value的投影；
15、计算每个区域中q和k的平均值qr,kr，并根据qr和kr计算区域相关性的邻接矩阵ar：
16、ar＝qr(kr)t
17、其中，(kr)t是kr的转置，ar中的元素用于衡量两个区域在语义上的相关性；
18、基于邻接矩阵ar构造一个用于反应区域之间注意力关系的有向图，通过保留与每个区域前k个关系密切的区域对有向图进行修剪。
19、进一步的，所述金字塔池化层使用不同尺度的池化操作将biformer特征提取层输出的轮廓特征图划分为4个不同尺度的多通道特征图；使用eca注意力机制对多通道特征图中与耕地颜色和纹理响应更大的通道进行加权，输出不同尺度的颜色纹理特征图。
20、进一步的，所述拼接层使用上采样操作将不同尺度的颜色纹理特征图恢复到轮廓特征图大小，并将同等大小的轮廓特征图和颜色纹理特征图进行拼接。
21、本说明书提供了一种耕地遥感图像分割装置，包括：
22、模型建立模块，用于构建改进pspnet网络，所述改进pspnet网络包括：biformer特征提取层，与biformer特征提取层输出端连接的金字塔池化层，同时与金字塔池化层输出端和biformer特征提取层输出端连接的拼接层；对所述改进pspnet网络进行训练以获得耕地遥感图像分割模型；
23、图像分割模块，用于将待分割耕地遥感图像输入到耕地遥感图像分割模型中，biformer特征提取层通过捕捉耕地遥感图像中的长程依赖关系和全局上下文信息保留空间细节信息，获得轮廓特征图；金字塔池化层通过对轮廓特征图进行不同尺度的池化操作获得不同尺度的颜色纹理特征图；将轮廓特征图和不同尺度的颜色纹理特征图输入到拼接层进行拼接；对拼接结果进行卷积操作以输出耕地遥感图像的分割结果。
24、本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述耕地遥感图像分割方法。
25、本说明书提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述耕地遥感图像分割方法。
26、本说明书采用的上述至少一个技术方案能够达到以下有益效果：
27、本专利技术通过引入biformer特征提取器通过捕捉耕地遥感图像中的长程依赖关系和全局上下文信息保留空间细节信息，获得了含有更多耕地遥感图像轮廓信息的轮廓特征图；并使用金字塔池化通过不同尺度的池化操作捕捉到不同尺度下的耕地的纹理和颜色信息，获得了不同尺度的颜色纹理特征图。通过将将轮廓特征和不同尺度的颜色纹理特征这些多维度的信息进行融合，可以更好地适应不同耕地类型的多样性，即使面对不同耕地类型也本文档来自技高网...
【技术保护点】
1.一种耕地遥感图像分割方法，其特征在于，包括：
2.如权利要求1所述的遥感图像分割方法，其特征在于，所述BiFormer特征提取层包括依次连接的stage1模块、stage2模块、stage3模块、stage4模块，其中，stage1模块包括依次连接的标记嵌入层和2个BiFormer模块，stage2模块包括依次连接的标记合并层和2个BiFormer模块，stage3模块包括依次连接的标记合并层和6个BiFormer模块，stage4模块包括依次连接的标记合并层和2个BiFormer模块。
3.如权利要求2所述的耕地遥感图像分割方法，其特征在于，所述BiFormer模块包括依次连接的深度可卷积分离层、第一归一化层、双层路由动态注意力机制层、第二归一化层和多层感知机；
4.如权利要求3所述的耕地遥感图像分割方法，其特征在于，所述双层路由动态注意力机制层，包括：
5.如权利要求1所述的耕地遥感图像分割方法，其特征在于，所述金字塔池化层使用不同尺度的池化操作将BiFormer特征提取层输出的轮廓特征图划分为4个不同尺度的多通道特征图；使
6.如权利要求1所述的耕地遥感图像分割方法，其特征在于，所述拼接层使用上采样操作将不同尺度的颜色纹理特征图恢复到轮廓特征图大小，并将同等大小的轮廓特征图和颜色纹理特征图进行拼接。
7.一种耕地遥感图像分割装置，其特征在于，包括：
8.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～6任一项所述的方法。
9.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1～6任一项所述的方法。
...【技术特征摘要】
1.一种耕地遥感图像分割方法，其特征在于，包括：
2.如权利要求1所述的遥感图像分割方法，其特征在于，所述biformer特征提取层包括依次连接的stage1模块、stage2模块、stage3模块、stage4模块，其中，stage1模块包括依次连接的标记嵌入层和2个biformer模块，stage2模块包括依次连接的标记合并层和2个biformer模块，stage3模块包括依次连接的标记合并层和6个biformer模块，stage4模块包括依次连接的标记合并层和2个biformer模块。
3.如权利要求2所述的耕地遥感图像分割方法，其特征在于，所述biformer模块包括依次连接的深度可卷积分离层、第一归一化层、双层路由动态注意力机制层、第二归一化层和多层感知机；
4.如权利要求3所述的耕地遥感图像分割方法，其特征在于，所述双层路由动态注意力机制层，包括：
5.如权利要求1所述...
【专利技术属性】
技术研发人员：赵良军，席裕斌，艾尼玩·艾买尔，宁峰，何中良，梁刚，
申请(专利权)人：四川轻化工大学，
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。