【技术实现步骤摘要】
本专利技术属遥感，涉及一种sar图像洪水区的语义分割方法，特别是涉及一种sar图像洪水区的语义分割方法及装置、存储介质与终端。
技术介绍
1、合成孔径雷达（sar）不受限于白天或天气条件，并且能够穿透云层，在遥感图像处理中扮演着关键角色，基于sar图像的洪水分割是地球观测任务中的一个重要任务。传统的sar图像洪水分割方法，如条件随机场（crf）和支持向量机（svm），通常依赖根据专业知识进行繁琐调参。近年来，卷积神经网络（cnn）在sar图像的洪水语义分割中被广泛使用。
2、然而，sar图像洪水分割任务中，现有技术存在以下三个难题尚未解决。其一，当sar图像在纹理、形状和特征上表现出显著变化时，由于cnn卷积核只能关注其感受野内的有限数量的局部像素和语义信息而难以建模长距离关系，尽管一些方法将其它机制纳入网络设计以提高cnn捕捉长距离关系的能力，然而仍然并不直接编码全局依赖性。因此这种方法没有完全解决cnn的限制，模型效果仍然受限于卷积操作的局部化特性。其二，基于编码器-解码器架构的语义分割方法通过连续的卷积和池化操作减少特征的空间维度，导致了sar图像中洪水边缘的不连续分割以及小水体信息的丢失，为解决此问题需要在解码器中引入跳跃连接将低级特征与高级语义信息融合来改善模型对小目标的语义分割性能，但现有的信息融合仅仅通过逐元素求和、简单组合不同尺度的特征的方式进行融合，这种方式不仅可能会引起特征混淆，干扰了小目标的分割，而且参与融合的低级特征图通常包含大量噪声，这些噪声也会影响最终的分割性能。其三，洪水的分布受到包括地
技术实现思路
1、本专利技术的目的在于提供一种sar图像洪水区的语义分割方法及装置、存储介质与终端，用于解决现有技术中sar图像洪水区语义分割效果差的技术问题。
2、第一方面，本专利技术提供一种sar图像洪水区的语义分割方法，包括：
3、利用预设编码器对sar图像进行语义提取，以获取多阶段语义特征图；所述多阶段语义特征图包括浅层特征图区、最后一个阶段特征图、以及除所述浅层特征图区和所述最后一个阶段特征图之外的中间特征图区；
4、将所述浅层特征图区中的每个特征图进行预设处理后再进行噪声过滤，以获取对应阶段的噪声过滤后特征图；
5、对所述最后一个阶段特征图进行多尺度卷积处理，以获取处理后深层特征图；
6、将所述中间特征图区中的特征图进行预设处理，以获取对应的预处理后中间特征图，将所述预处理后中间特征图、所述噪声过滤后特征图和所述处理后深层特征图进行拼接以获取优化后特征图；
7、将所述优化后特征图输入预设分类器，获取所述sar图像的语义分割结果；
8、其中，所述浅层特征图区至少包括第一阶段特征图和第二阶段特征图。
9、于本专利技术的一实施例中，将所述浅层特征图区中的每个特征图进行预设处理后再进行噪声过滤，以获取对应阶段的噪声过滤后特征图包括：
10、对所述浅层特征图区中的每个特征图进行预设处理，以获取对应阶段的预处理后特征图；
11、基于奇数阶段预处理后特征图和奇数阶段的下一阶段预处理后特征图，获取对应的通道注意力图；
12、将所述奇数阶段预处理后特征图、所述奇数阶段的下一阶段预处理后特征图和对应的通道注意力图进行融合，以获取对应的噪声过滤后特征图。
13、于本专利技术的一实施例中，基于奇数阶段预处理后特征图和奇数阶段的下一阶段预处理后特征图，获取对应的通道注意力图包括：
14、获取奇数阶段预处理后特征图的重塑结果作为前特征图，获取奇数阶段的下一阶段预处理后特征图的重塑结果作为后特征图；
15、将所述后特征图与所述前特征图的转置进行矩阵乘法，以获取乘法结果；
16、对所述乘法结果执行softmax操作，以获取对应的通道注意力图。
17、于本专利技术的一实施例中，对所述最后一个阶段特征图进行多尺度卷积处理，以获取处理后深层特征图包括：
18、使用预设深度卷积操作提取所述最后一个阶段特征图的局部上下文信息，以获取含局部上下文信息特征图；
19、利用多分支深度可分离条带卷积提取所述含局部上下文信息特征图的多尺度上下文信息，以获取多个深度特征图；
20、将所述多个深度特征图沿通道维度进行拼接，以获取深度拼接结果，将所述深度拼接结果进行1x1卷积处理之后再与所述最后一个阶段特征图执行逐元素相乘，以获取处理后深层特征图。
21、于本专利技术的一实施例中，每分支深度可分离条带卷积均包括第一深度可分离条带卷积和第二深度可分离条带卷积；
22、所述第一深度可分离条带卷积的卷积核尺寸为1乘预设尺寸；
23、所述第二深度可分离条带卷积的卷积核尺寸为预设尺寸乘1；
24、其中，所述预设尺寸与分支深度可分离条带卷积相对应，不同分支深度可分离条带卷积对应不同的预设尺寸。
25、于本专利技术的一实施例中，多分支深度可分离条带卷积对应的预设尺寸分别为7、11、15、21。
26、于本专利技术的一实施例中，所述预设编码器为混合变压器编码器mit。
27、第二方面，本专利技术还提供一种sar图像洪水区的语义分割装置，其特征在于，包括：
28、主编码模块，用于利用预设编码器对sar图像进行语义提取，以获取多阶段语义特征图；所述多阶段语义特征图包括浅层特征图区、最后一个阶段特征图、以及除所述浅层特征图区和所述最后一个阶段特征图之外的中间特征图区；
29、噪声过滤模块，用于将所述浅层特征图区中的每个特征图进行预设处理后再进行噪声过滤，以获取对应阶段的噪声过滤后特征图；
30、多尺度卷积模块，用于对所述最后一个阶段特征图进行多尺度卷积处理，以获取处理后深层特征图；
31、融合模块，用于将所述中间特征图区中的特征图进行预设处理，以获取对应的预处理后中间特征图，将所述预处理后中间特征图、所述噪声过滤后特征图和所述处理后深层特征图进行拼接以获取优化后特征图；
32、分类模块，用于将所述优化后特征图输入预设分类器，获取所述sar图像的语义分割结果；
33、其中，所述浅层特征图区至少包括第一阶段特征图和第二阶段特征图。
34、第三方面，本专利技术还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的sar图像洪水区的语义分割方法。
35、第四方面，本专利技术还提供一种终端，包括处理器以及存储器，所述存储器与所述处理器之间通信连接；
36、所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上所述的sar图像洪水区的语义分割方法。
【技术保护点】
1.一种SAR图像洪水区的语义分割方法，包括：
2.根据权利要求1所述的语义分割方法，其特征在于，将所述浅层特征图区中的每个特征图进行预设处理后再进行噪声过滤，以获取对应阶段的噪声过滤后特征图包括：
3.根据权利要求2所述的语义分割方法，其特征在于，基于奇数阶段预处理后特征图和奇数阶段的下一阶段预处理后特征图，获取对应的通道注意力图包括：
4.根据权利要求1所述的语义分割方法，其特征在于，对所述最后一个阶段特征图进行多尺度卷积处理，以获取处理后深层特征图包括：
5.根据权利要求4所述的语义分割方法，其特征在于，每分支深度可分离条带卷积均包括第一深度可分离条带卷积和第二深度可分离条带卷积；
6.根据权利要求5所述的语义分割方法，其特征在于，多分支深度可分离条带卷积对应的预设尺寸分别为7、11、15、21。
7.根据权利要求1所述的语义分割方法，其特征在于，所述预设编码器为混合变压器编码器MiT。
8.一种SAR图像洪水区的语义分割装置，包括：
9.一种存储介质，其上存储有计算机程序，其特
10.一种终端，其特征在于，包括处理器以及存储器，所述存储器与所述处理器之间通信连接；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至7中任一项所述的语义分割方法。
...【技术特征摘要】
1.一种sar图像洪水区的语义分割方法，包括：
2.根据权利要求1所述的语义分割方法，其特征在于，将所述浅层特征图区中的每个特征图进行预设处理后再进行噪声过滤，以获取对应阶段的噪声过滤后特征图包括：
3.根据权利要求2所述的语义分割方法，其特征在于，基于奇数阶段预处理后特征图和奇数阶段的下一阶段预处理后特征图，获取对应的通道注意力图包括：
4.根据权利要求1所述的语义分割方法，其特征在于，对所述最后一个阶段特征图进行多尺度卷积处理，以获取处理后深层特征图包括：
5.根据权利要求4所述的语义分割方法，其特征在于，每分支深度可分离条带卷积均包括第一深度可分离条带卷积和第二深度可分离条带卷积；
<...【专利技术属性】
技术研发人员：周立凡，周轩宇，刘威，凤黄浩，刘浩，
申请(专利权)人：常熟理工学院，
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。