【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种遥感影像分割方法及装置。
技术介绍
1、当前，水利场景遥感影像分割任务面临诸多挑战，如场景目标复杂多样、标注数据有限等，现有的方法难以同时兼顾分割的精度和泛化性。以segment anything model（sam）为代表的视觉基础大模型在图像分割领域取得了显著进展，但其作为一个需要先验提示的无类别分割方法，主要面向交互式分割任务，对特定领域的自动分割适应性较弱。因此，需要一种在有限标注数据下，能够高效适应水利场景的自动化分割方法。
技术实现思路
1、本专利技术提供一种遥感影像分割方法及装置，用以解决现有技术中视觉大模型在水利场景遥感影像分割任务上数据特征适应性弱、自动化程度低等问题。
2、第一方面，本专利技术提供一种遥感影像分割方法，包括：利用图像编码器提取输入图像的特征图；获取所述特征图与预先创建的参考样本库中每个参考样本特征的相似特征图；其中，参考样本特征为预先设置的前景像素的特征向量，相似度特征图用于表征输入图像在每个像素位置上的特征向量与参考样本特征之间的相似度；从所有的相似特征图中选择出具有最大的相似度峰值的目标相似特征图，将所述目标相似特征图输入至提示嵌入生成网络生成提示嵌入；所述提示嵌入生成网络为预先构建的卷积神经网络；将所述提示嵌入和所述输入图像输入至图像解码器，输出分割结果。
3、根据本专利技术提供的遥感影像分割方法，构建参考样本库的步骤包括：根据图像编码器提取的每个样本图像的特征图，结合对应的真实掩
4、根据本专利技术提供的遥感影像分割方法，所述提示嵌入生成网络包括：rpn层、roipooling层以及prompt head层；所述rpn层，用于从所述目标相似度特征图中生成候选框，以标注目标相似特征图中感兴趣的目标区域；所述roi pooling层，用于从每个目标区域提取固定大小的特征映射；所述prompt head层，用于根据所述特征映射生成用于输入图像分割的提示嵌入。
5、根据本专利技术提供的遥感影像分割方法，对所有的目标特征图中每个前景像素的特征向量，进行聚类分析，包括：计算所有特征向量中每对特征向量的余弦相似度；确定与当前特征向量的余弦相似度大于等于相似度阈值的其他特征向量；在其他特征向量的个数大于等于预设数量的情况下，将当前特征向量和其他特征向量，合并到同一簇中，以进行特征向量的聚类。
6、根据本专利技术提供的遥感影像分割方法，代表各自聚类类别的特征向量为距离各自聚类类别的聚类中心最近的特征向量。
7、根据本专利技术提供的遥感影像分割方法，所述图像编码器是基于低秩适应技术进行微调后的sam编码器；所述图像解码器为sam解码器。
8、根据本专利技术提供的遥感影像分割方法，每个像素位置上的特征向量与参考样本特征之间的相似度为余弦相似度。
9、第二方面，本专利技术还提供一种遥感影像分割装置，包括：
10、第一处理模块，用于利用图像编码器提取输入图像的特征图；
11、第二处理模块，用于获取所述特征图与预先创建的参考样本库中每个参考样本特征的相似特征图；其中，参考样本特征为预先设置的前景像素的特征向量，相似度特征图用于表征输入图像在每个像素位置上的特征向量与参考样本特征之间的相似度；
12、第三处理模块，用于从所有的相似特征图中选择出具有最大的相似度峰值的目标相似特征图，将所述目标相似特征图输入至提示嵌入生成网络生成提示嵌入；所述提示嵌入生成网络为预先构建的卷积神经网络；
13、第四处理模块，用于将所述提示嵌入和所述输入图像输入至图像解码器，输出分割结果。
14、第三方面，本专利技术提供一种电子设备，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如上述任一种所述遥感影像分割方法的步骤。
15、第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述遥感影像分割方法的步骤。
16、本专利技术提供的遥感影像分割方法及装置，基于预先建立的参考样本库中的参考样本特征获取多种相似特征图，并确定后续利用的具有最高相似度峰值的相似特征图（即目标相似特征图），结合有效的提示嵌入生成和精细的解码流程，旨在增强模型对于特定领域数据的适应能力，并且还提供了较高程度的自动化处理流程，可以自动生成提示嵌入，无需先验提示。
17、本专利技术设计了一种基于代表性样本构建参考样本库的方法，该样本库的构建不仅增强了分割模型在未知场景下的适应能力，还为后续的提示嵌入生成网络的训练和推理过程提供了支持，相较于传统的样本选择方法，提高了样本的多样性和特征分布的覆盖率。
本文档来自技高网...【技术保护点】
1.一种遥感影像分割方法，其特征在于，包括：
2.根据权利要求1所述的遥感影像分割方法，其特征在于，构建参考样本库的步骤包括：
3.根据权利要求1所述的遥感影像分割方法，其特征在于，所述提示嵌入生成网络包括：RPN层、RoI Pooling层以及Prompt Head层；
4.根据权利要求2所述的遥感影像分割方法，其特征在于，对所有的目标特征图中每个前景像素的特征向量，进行聚类分析，包括：
5.根据权利要求1所述的遥感影像分割方法，其特征在于，代表各自聚类类别的特征向量为距离各自聚类类别的聚类中心最近的特征向量。
6.根据权利要求1所述的遥感影像分割方法，其特征在于，所述图像编码器是基于低秩适应技术进行微调后的SAM编码器；所述图像解码器为SAM解码器。
7.根据权利要求1所述的遥感影像分割方法，其特征在于，每个像素位置上的特征向量与参考样本特征之间的相似度为余弦相似度。
8.一种遥感影像分割装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述遥感影像分割方法的步骤。
...【技术特征摘要】
1.一种遥感影像分割方法，其特征在于，包括：
2.根据权利要求1所述的遥感影像分割方法，其特征在于，构建参考样本库的步骤包括：
3.根据权利要求1所述的遥感影像分割方法，其特征在于，所述提示嵌入生成网络包括：rpn层、roi pooling层以及prompt head层；
4.根据权利要求2所述的遥感影像分割方法，其特征在于，对所有的目标特征图中每个前景像素的特征向量，进行聚类分析，包括：
5.根据权利要求1所述的遥感影像分割方法，其特征在于，代表各自聚类类别的特征向量为距离各自聚类类别的聚类中心最近的特征向量。
6.根据权利要求1所述的遥感影像分割方法，其特征在于，所述图...
【专利技术属性】
技术研发人员：张志鑫，杨鹏，韦人玮，张军，刘哲，方晨蓉，明晨曦，
申请(专利权)人：长江水利委员会网络与信息中心，
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。