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：华中师范大学

摘要：本发明公开了一种基于深度学习语义分割模型的梯田自动提取方法，包括以下步骤：获取待提取梯田的可见光遥感影像，将其裁剪为多个大小一致的规则图片；根据梯田的边缘特征、纹理特征和形态特征，将裁剪后的图片分为第一类梯田、第二类梯田和第三类梯田；通过预先设置的U‑Net模型对第一类梯田、第二类梯田进行提取，得到第一类和第二类梯田提取后的图像；通过预先训练好的改进的LinkNet语义分割模型对第三类梯田进行提取，得到第三类梯田提取后的图像。本发明充分考虑了梯田的视觉特征和地形地貌特点，并改进了提取模型，使其更符合梯田的实际分布形态，提高了梯田的分类精度。

主权项：1.一种基于深度学习语义分割模型的梯田自动提取方法，其特征在于，包括以下步骤：获取待提取梯田的可见光遥感影像，将其裁剪为多个大小一致的规则图片；根据梯田的边缘特征、纹理特征和形态特征，将裁剪后的图片分为第一类梯田、第二类梯田和第三类梯田；其中第一类梯田的边缘特征清晰、纹理特征明显，形态上长宽比相对较小；第二类梯田的边缘特征清晰、纹理特征明显，形态细小狭长；第三类梯田边缘特征不清晰、纹理特征粗糙且无明显边界；通过预先设置的U-Net模型对第一类梯田、第二类梯田进行提取，得到第一类和第二类梯田提取后的图像；通过预先训练好的改进的LinkNet语义分割模型对第三类梯田进行提取，得到第三类梯田提取后的图像；其中，该改进的LinkNet语义分割模型包括始端模块、四对编码器-解码器结构和终端模块；其中始端模块的第一个池化层为平均池化层，以减少细节特征的丢失；在每对编码器-解码器结构之间添加通道注意力机制，且在第四对编码器-解码器结构之间添加高阶特征提取模块；该高阶特征提取模块包括纹理增强模块和空间空洞金字塔模块，通过纹理增强模块对第四对编码器-解码器结构的输出的特征图进行多个级别的特征增强；该空间空洞金字塔模块在传统的ASPP模块基础上引入空间注意力机制SAM，具体在经过纹理增强模块特征增强后的输出上设置4个并行的卷积分支和1个全局平均池化分支用来学习高层多尺度特征，4个并行卷积分支包含1个卷积分支与3个空洞卷积分支，空洞卷积分支的扩张率逐渐增大，并在3个空洞卷积分支上分别应用空间注意力模块。

全文数据：

权利要求：

百度查询： 华中师范大学 基于深度学习语义分割模型的梯田自动提取方法及系统