买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：成都信息工程大学

摘要：本发明公开了一种基于深度学习的洪水遥感图像分割方法，涉及图像数据处理技术领域，包括步骤：根据不同场景下包含洪水区域的遥感图像构造数据集；构造一洪水遥感图像分割网络，包括ResNet18网络、Segformer网络、双路特征融合编码模块、DSCA注意力模块和解码器；用数据集训练洪水遥感图像分割网络至收敛，得到洪水遥感图像分割模型；获取待识别洪水区域的遥感图像，送入洪水遥感图像分割模型输出识别结果。本发明针对背景复杂、目标分布不均匀的洪水遥感图像，能够更好地理解其细节信息，避免遥感图像中洪水区域欠分割或过分割的问题，提高了洪水区域的分割精度。

主权项：1.一种基于深度学习的洪水遥感图像分割方法，其特征在于：包括以下步骤；S1，构造数据集；获取不同场景下包含洪水区域的遥感图像，对洪水区域进行标记，得到样本，所有样本构成数据集；S2，构造一洪水遥感图像分割网络；所述洪水遥感图像分割网络包括ResNet18网络、Segformer网络、双路特征融合编码模块、DSCA注意力模块和解码器；对样本X，所述ResNet18网络用于输入X，输出X对应的第一特征图F1；所述Segformer网络用于输入X，输出X对应的第二特征图F2，F1的分辨率大于F2；所述双路特征融合编码模块用于对F1和F2分别进行3×3卷积操作得到对应的卷积特征、，再将、拼接得到第三特征图F3，再对F3通道打乱后拆分为第四特征图F4和第五特征图F5，对F4进行膨胀卷积得到特征、对F5进行分组卷积得到特征，再将、进行通道拼接得到融合编码特征图F；所述DSCA注意力模块用于对融合编码特征图F进行3×3卷积操作，得到第一注意力特征图M1，将M1进行全局平均池化、一维卷积和Sigmoid函数操作后得到第二注意力特征图M2，将M1、M2进行逐元素相乘，还原到融合编码特征图F大小，得到第三注意力特征图M3，再将M1、M3进行相加得注意力特征图M；所述解码器用于输入注意力特征图M，输出预测的洪水区域；S3，用数据集训练洪水遥感图像分割网络至收敛，得到洪水遥感图像分割模型；S4，获取待识别洪水区域的遥感图像，送入洪水遥感图像分割模型输出识别结果。

全文数据：

权利要求：

百度查询： 成都信息工程大学 一种基于深度学习的洪水遥感图像分割方法