CN115880309A - 一种基于多层循环编码解码器网络的林木图像分割方法 - Google Patents

一种基于多层循环编码解码器网络的林木图像分割方法 Download PDF

Info

Publication number
CN115880309A
CN115880309A CN202310165215.8A CN202310165215A CN115880309A CN 115880309 A CN115880309 A CN 115880309A CN 202310165215 A CN202310165215 A CN 202310165215A CN 115880309 A CN115880309 A CN 115880309A
Authority
CN
China
Prior art keywords
branch
encoder
layer branch
forest
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310165215.8A
Other languages
English (en)
Inventor
李冠群
俞伟学
徐铭申
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Genyu Muxing Beijing Space Technology Co ltd
Original Assignee
Genyu Muxing Beijing Space Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Genyu Muxing Beijing Space Technology Co ltd filed Critical Genyu Muxing Beijing Space Technology Co ltd
Priority to CN202310165215.8A priority Critical patent/CN115880309A/zh
Publication of CN115880309A publication Critical patent/CN115880309A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及图像处理技术领域，公开了一种基于多层循环编码解码器网络的林木图像分割方法，包括：获取无人机遥感林木图像，根据编码解码器网络得到特征图像，将所述特征图像输入至林木图像分割网络，得到分割结果。本发明提出的多层循环编码解码器网络能够提取无人机遥感图像的不同尺度的特征，能够充分考虑对于无人机在不同高度采集的遥感图像的林木分割，从而实现精准的林木分割。

Description

一种基于多层循环编码解码器网络的林木图像分割方法
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于多层循环编码解码器网络的林木图像分割方法。
背景技术
森林资源是我国生态系统的重要组成部分，对维护生态系统的稳定起着决定性作用。近年来，卷积神经网络的提出在图像分割方面具有独特的优势。但由于无人机采集的遥感图像中树木分布不均匀，导致无人机采集的图像高度不均匀且不稳定，采集到的图像中树木的比例尺也不同。现有的基于卷积神经网络的方法往往难以实现准确的林木分割。
发明内容
本发明的目的在于克服上述一种或多种现有的技术问题，提供一种基于多层循环编码解码器网络的林木图像分割方法。
为实现上述目的，本发明提供的一种基于多层循环编码解码器网络的林木图像分割方法，包括：
获取无人机遥感林木图像；
根据编码解码器网络得到特征图像；
将所述特征图像输入至林木图像分割网络，得到分割结果。
根据本发明的一个方面，所述根据编码解码器网络得到特征图像的方法为：
将所述无人机遥感林木图像输入至所述编码解码器网络，所述编码解码器网络包括底层分支、中层分支和高层分支，将所述无人机遥感林木图像依次通过所述底层分支、所述中层分支和所述高层分支得到所述特征图像。
根据本发明的一个方面，将所述无人机遥感林木图像输入至所述底层分支的编码器中，其中公式为，
Figure SMS_1
；
其中，
Figure SMS_2
表示通过底层分支中编码器的输出；
Figure SMS_3
表示无人机遥感林木图像；
Figure SMS_4
表示底层分支中的编码器；
将通过所述底层分支中编码器的输出依次通过所述底层分支中的5个解码器，其中公式为，
Figure SMS_5
；
其中，
Figure SMS_6
表示通过底层分支中5个解码器后的输出；
Figure SMS_7
表示底层分支中的第1个编码器；
Figure SMS_8
表示底层分支中的第2个编码器；
Figure SMS_9
表示底层分支中的第3个编码器；
Figure SMS_10
表示底层分支中的第4个编码器；
Figure SMS_11
表示底层分支中的第5个编码器。
根据本发明的一个方面，将通过所述底层分支中5个解码器后的输出输入至所述中层分支的编码器中，其中公式为，
Figure SMS_12
；
其中，
Figure SMS_13
表示通过底层分支中5个解码器后的输出；
Figure SMS_14
表示通过中层分支中编码器的输出；
Figure SMS_15
表示中层分支中的编码器；
叠加通过所述中层分支中编码器的输出和通过所述底层分支中编码器的输出后依次通过所述中层分支中的5个解码器，其中公式为，
Figure SMS_16
；
其中，
Figure SMS_17
表示通过中层分支中5个解码器后的输出；
Figure SMS_18
表示中层分支中的第1个编码器；
Figure SMS_19
表示中层分支中的第2个编码器；
Figure SMS_20
表示中层分支中的第3个编码器；
Figure SMS_21
表示中层分支中的第4个编码器；
Figure SMS_22
表示中层分支中的第5个编码器；
Figure SMS_23
表示对多个特征进行通道上的叠加。
根据本发明的一个方面，将通过所述中层分支中5个解码器后的输出输入至所述高层分支的编码器中，其中公式为，
Figure SMS_24
；
其中，
Figure SMS_25
表示通过中层分支中5个解码器后的输出；
Figure SMS_26
表示通过高层分支中编码器的输出；
Figure SMS_27
表示高层分支中的编码器；
叠加通过所述高层分支中编码器的输出、通过所述中层分支中编码器的输出和通过所述底层分支中编码器的输出后依次通过所述高层分支中的5个解码器，其中公式为，
Figure SMS_28
；
其中，
Figure SMS_29
表示特征图像；
Figure SMS_30
表示高层分支中的第1个编码器；
Figure SMS_31
表示高层分支中的第2个编码器；
Figure SMS_32
表示高层分支中的第3个编码器；
Figure SMS_33
表示高层分支中的第4个编码器；
Figure SMS_34
表示高层分支中的第5个编码器；
Figure SMS_35
表示对多个特征进行通道上的叠加。
根据本发明的一个方面，使用交叉熵损失对所述林木图像分割网络进行训练，其中公式为，
Figure SMS_36
；
其中，
Figure SMS_37
表示交叉熵损失；
Figure SMS_38
表示交叉熵计算；
Figure SMS_39
表示编码解码器网络；
Figure SMS_40
表示与输入的无人机遥感林木图像的林木分割标签。
为实现上述目的，本发明提供一种基于多层循环编码解码器网络的林木图像分割系统，包括：
无人机遥感林木图像获取模块：获取无人机遥感林木图像；
特征图像获取模块：根据编码解码器网络得到特征图像；
图像分割模块：将所述特征图像输入至林木图像分割网络，得到分割结果。
为实现上述目的，本发明提供一种电子设备，包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现上述针对一种基于多层循环编码解码器网络的林木图像分割方法。
为实现上述目的，本发明提供一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述针对一种基于多层循环编码解码器网络的林木图像分割方法。
基于此，本发明的有益效果在于：
多层循环编码解码器网络能够提取无人机遥感图像的不同尺度的特征，能够充分考虑对于无人机在不同高度采集的遥感图像的林木分割，从而实现精准的林木分割。
附图说明
图1示意性表示根据本发明的一种基于多层循环编码解码器网络的林木图像分割方法的流程图；
图2示意性表示根据本发明的一种基于多层循环编码解码器网络的林木图像分割方法的编码解码器网络的流程图；
图3示意性表示根据本发明的一种基于多层循环编码解码器网络的林木图像分割系统的流程图。
具体实施方式
现在将参照示例性实施例来论述本发明的内容，应当理解，论述的实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本发明的内容，而不是暗示对本发明的范围的任何限制。
如本文中所使用的，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”，术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。
图1示意性表示根据本发明的一种基于多层循环编码解码器网络的林木图像分割方法的流程图，如图1所示，本发明的一种基于多层循环编码解码器网络的林木图像分割方法，包括：
获取无人机遥感林木图像；
根据编码解码器网络得到特征图像；
将所述特征图像输入至林木图像分割网络，得到分割结果。
根据本发明的一个实施方式，所述根据编码解码器网络得到特征图像的方法为：
图2示意性表示根据本发明的一种基于多层循环编码解码器网络的林木图像分割方法的编码解码器网络的流程图，由图2所示，将所述无人机遥感林木图像输入至所述编码解码器网络，所述编码解码器网络包括底层分支、中层分支和高层分支，将所述无人机遥感林木图像依次通过所述底层分支、所述中层分支和所述高层分支得到所述特征图像。
根据本发明的一个实施方式，将所述无人机遥感林木图像输入至所述底层分支的编码器中，其中公式为，
Figure SMS_41
；
其中，
Figure SMS_42
表示通过底层分支中编码器的输出；
Figure SMS_43
表示无人机遥感林木图像；
Figure SMS_44
表示底层分支中的编码器；
将通过所述底层分支中编码器的输出依次通过所述底层分支中的5个解码器，其中公式为，
Figure SMS_45
；
其中，
Figure SMS_46
表示通过底层分支中5个解码器后的输出；
Figure SMS_47
表示底层分支中的第1个编码器；
Figure SMS_48
表示底层分支中的第2个编码器；
Figure SMS_49
表示底层分支中的第3个编码器；
Figure SMS_50
表示底层分支中的第4个编码器；
Figure SMS_51
表示底层分支中的第5个编码器。
根据本发明的一个实施方式，将通过所述底层分支中5个解码器后的输出输入至所述中层分支的编码器中，其中公式为，
Figure SMS_52
；
其中，
Figure SMS_53
表示通过底层分支中5个解码器后的输出；
Figure SMS_54
表示通过中层分支中编码器的输出；
Figure SMS_55
表示中层分支中的编码器；
叠加通过所述中层分支中编码器的输出和通过所述底层分支中编码器的输出后依次通过所述中层分支中的5个解码器，其中公式为，
Figure SMS_56
；
其中，
Figure SMS_57
表示通过中层分支中5个解码器后的输出；
Figure SMS_58
表示中层分支中的第1个编码器；
Figure SMS_59
表示中层分支中的第2个编码器；
Figure SMS_60
表示中层分支中的第3个编码器；
Figure SMS_61
表示中层分支中的第4个编码器；
Figure SMS_62
表示中层分支中的第5个编码器；
Figure SMS_63
表示对多个特征进行通道上的叠加。
根据本发明的一个实施方式，将通过所述中层分支中5个解码器后的输出输入至所述高层分支的编码器中，其中公式为，
Figure SMS_64
；
其中，
Figure SMS_65
表示通过中层分支中5个解码器后的输出；
Figure SMS_66
表示通过高层分支中编码器的输出；
Figure SMS_67
表示高层分支中的编码器；
叠加通过所述高层分支中编码器的输出、通过所述中层分支中编码器的输出和通过所述底层分支中编码器的输出后依次通过所述高层分支中的5个解码器，其中公式为，
Figure SMS_68
；
其中，
Figure SMS_69
表示特征图像；
Figure SMS_70
表示高层分支中的第1个编码器；
Figure SMS_71
表示高层分支中的第2个编码器；
Figure SMS_72
表示高层分支中的第3个编码器；
Figure SMS_73
表示高层分支中的第4个编码器；
Figure SMS_74
表示高层分支中的第5个编码器；
Figure SMS_75
表示对多个特征进行通道上的叠加。
根据本发明的一个实施方式，使用交叉熵损失对所述林木图像分割网络进行训练，其中公式为，
Figure SMS_76
；
其中，
Figure SMS_77
表示交叉熵损失；
Figure SMS_78
表示交叉熵计算；
Figure SMS_79
表示编码解码器网络；
Figure SMS_80
表示与输入的无人机遥感林木图像的林木分割标签。
根据本发明的一个实施例，编码器的结构由卷积层、激活层、最大池化层组成，解码器的结构由卷积层、激活层、上采样层组成。
不仅如此，为实现上述发明目的，本发明还提供一种基于多层循环编码解码器网络的林木图像分割系统，图3示意性表示根据本发明的一种基于多层循环编码解码器网络的林木图像分割系统的流程图，如图3所示，根据本发明的一种基于多层循环编码解码器网络的林木图像分割系统，该系统包括：
无人机遥感林木图像获取模块：获取无人机遥感林木图像；
特征图像获取模块：根据编码解码器网络得到特征图像；
图像分割模块：将所述特征图像输入至林木图像分割网络，得到分割结果。
根据本发明的一个实施方式，所述根据编码解码器网络得到特征图像的方法为：
图2示意性表示根据本发明的一种基于多层循环编码解码器网络的林木图像分割方法的编码解码器网络的流程图，由图2所示，将所述无人机遥感林木图像输入至所述编码解码器网络，所述编码解码器网络包括底层分支、中层分支和高层分支，将所述无人机遥感林木图像依次通过所述底层分支、所述中层分支和所述高层分支得到所述特征图像。
根据本发明的一个实施方式，将所述无人机遥感林木图像输入至所述底层分支的编码器中，其中公式为，
Figure SMS_81
；
其中，
Figure SMS_82
表示通过底层分支中编码器的输出；
Figure SMS_83
表示无人机遥感林木图像；
Figure SMS_84
表示底层分支中的编码器；
将通过所述底层分支中编码器的输出依次通过所述底层分支中的5个解码器，其中公式为，
Figure SMS_85
；
其中，
Figure SMS_86
表示通过底层分支中5个解码器后的输出；
Figure SMS_87
表示底层分支中的第1个编码器；
Figure SMS_88
表示底层分支中的第2个编码器；
Figure SMS_89
表示底层分支中的第3个编码器；
Figure SMS_90
表示底层分支中的第4个编码器；
Figure SMS_91
表示底层分支中的第5个编码器。
根据本发明的一个实施方式，将通过所述底层分支中5个解码器后的输出输入至所述中层分支的编码器中，其中公式为，
Figure SMS_92
；
其中，
Figure SMS_93
表示通过底层分支中5个解码器后的输出；
Figure SMS_94
表示通过中层分支中编码器的输出；
Figure SMS_95
表示中层分支中的编码器；
叠加通过所述中层分支中编码器的输出和通过所述底层分支中编码器的输出后依次通过所述中层分支中的5个解码器，其中公式为，
Figure SMS_96
；
其中，
Figure SMS_97
表示通过中层分支中5个解码器后的输出；
Figure SMS_98
表示中层分支中的第1个编码器；
Figure SMS_99
表示中层分支中的第2个编码器；
Figure SMS_100
表示中层分支中的第3个编码器；
Figure SMS_101
表示中层分支中的第4个编码器；
Figure SMS_102
表示中层分支中的第5个编码器；
Figure SMS_103
表示对多个特征进行通道上的叠加。
根据本发明的一个实施方式，将通过所述中层分支中5个解码器后的输出输入至所述高层分支的编码器中，其中公式为，
Figure SMS_104
；
其中，
Figure SMS_105
表示通过中层分支中5个解码器后的输出；
Figure SMS_106
表示通过高层分支中编码器的输出；
Figure SMS_107
表示高层分支中的编码器；
叠加通过所述高层分支中编码器的输出、通过所述中层分支中编码器的输出和通过所述底层分支中编码器的输出后依次通过所述高层分支中的5个解码器，其中公式为，
Figure SMS_108
；
其中，
Figure SMS_109
表示特征图像；
Figure SMS_110
表示高层分支中的第1个编码器；
Figure SMS_111
表示高层分支中的第2个编码器；
Figure SMS_112
表示高层分支中的第3个编码器；
Figure SMS_113
表示高层分支中的第4个编码器；
Figure SMS_114
表示高层分支中的第5个编码器；
Figure SMS_115
表示对多个特征进行通道上的叠加。
根据本发明的一个实施方式，使用交叉熵损失对所述林木图像分割网络进行训练，其中公式为，
Figure SMS_116
；
其中，
Figure SMS_117
表示交叉熵损失；
Figure SMS_118
表示交叉熵计算；
Figure SMS_119
表示编码解码器网络；
Figure SMS_120
表示与输入的无人机遥感林木图像的林木分割标签。
根据本发明的一个实施例，编码器的结构由卷积层、激活层、最大池化层组成，解码器的结构由卷积层、激活层、上采样层组成。
为实现上述发明目的，本发明还提供一种电子设备，该电子设备包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，计算机程序被处理器执行时实现上述一种基于多层循环编码解码器网络的林木图像分割方法。
为实现上述发明目的，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述一种基于多层循环编码解码器网络的林木图像分割方法。
基于此，本发明的有益效果在于，多层循环编码解码器网络能够提取无人机遥感图像的不同尺度的特征，能够充分考虑对于无人机在不同高度采集的遥感图像的林木分割，从而实现精准的林木分割。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。
另外，在本发明实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例节能信号发送/接收的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
应理解，本发明的发明内容及实施例中各步骤的序号的大小并不绝对意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

Claims (9)

1.一种基于多层循环编码解码器网络的林木图像分割方法，其特征在于，包括：
获取无人机遥感林木图像；
根据编码解码器网络得到特征图像；
将所述特征图像输入至林木图像分割网络，得到分割结果。
2.根据权利要求1所述的一种基于多层循环编码解码器网络的林木图像分割方法，其特征在于，所述根据编码解码器网络得到特征图像的方法为：
将所述无人机遥感林木图像输入至所述编码解码器网络，所述编码解码器网络包括底层分支、中层分支和高层分支，将所述无人机遥感林木图像依次通过所述底层分支、所述中层分支和所述高层分支得到所述特征图像。
3.根据权利要求2所述的一种基于多层循环编码解码器网络的林木图像分割方法，其特征在于，将所述无人机遥感林木图像输入至所述底层分支的编码器中，其中公式为，
Figure QLYQS_1
；
其中，
Figure QLYQS_2
表示通过底层分支中编码器的输出；
Figure QLYQS_3
表示无人机遥感林木图像；
Figure QLYQS_4
表示底层分支中的编码器；
将通过所述底层分支中编码器的输出依次通过所述底层分支中的5个解码器，其中公式为，
Figure QLYQS_5
；
其中，
Figure QLYQS_6
表示通过底层分支中5个解码器后的输出；
Figure QLYQS_7
表示底层分支中的第1个编码器；
Figure QLYQS_8
表示底层分支中的第2个编码器；
Figure QLYQS_9
表示底层分支中的第3个编码器；
Figure QLYQS_10
表示底层分支中的第4个编码器；
Figure QLYQS_11
表示底层分支中的第5个编码器。
4.根据权利要求3所述的一种基于多层循环编码解码器网络的林木图像分割方法，其特征在于，将通过所述底层分支中5个解码器后的输出输入至所述中层分支的编码器中，其中公式为，
Figure QLYQS_12
；
其中，
Figure QLYQS_13
表示通过底层分支中5个解码器后的输出；
Figure QLYQS_14
表示通过中层分支中编码器的输出；
Figure QLYQS_15
表示中层分支中的编码器；
叠加通过所述中层分支中编码器的输出和通过所述底层分支中编码器的输出后依次通过所述中层分支中的5个解码器，其中公式为，
Figure QLYQS_16
；
其中，
Figure QLYQS_17
表示通过中层分支中5个解码器后的输出；
Figure QLYQS_18
表示中层分支中的第1个编码器；
Figure QLYQS_19
表示中层分支中的第2个编码器；
Figure QLYQS_20
表示中层分支中的第3个编码器；
Figure QLYQS_21
表示中层分支中的第4个编码器；
Figure QLYQS_22
表示中层分支中的第5个编码器；
Figure QLYQS_23
表示对多个特征进行通道上的叠加。
5.根据权利要求4所述的一种基于多层循环编码解码器网络的林木图像分割方法，其特征在于，将通过所述中层分支中5个解码器后的输出输入至所述高层分支的编码器中，其中公式为，
Figure QLYQS_24
；
其中，
Figure QLYQS_25
表示通过中层分支中5个解码器后的输出；
Figure QLYQS_26
表示通过高层分支中编码器的输出；
Figure QLYQS_27
表示高层分支中的编码器；
叠加通过所述高层分支中编码器的输出、通过所述中层分支中编码器的输出和通过所述底层分支中编码器的输出后依次通过所述高层分支中的5个解码器，其中公式为，
Figure QLYQS_28
；
其中，
Figure QLYQS_29
表示特征图像；
Figure QLYQS_30
表示高层分支中的第1个编码器；
Figure QLYQS_31
表示高层分支中的第2个编码器；
Figure QLYQS_32
表示高层分支中的第3个编码器；
Figure QLYQS_33
表示高层分支中的第4个编码器；
Figure QLYQS_34
表示高层分支中的第5个编码器；
Figure QLYQS_35
表示对多个特征进行通道上的叠加。
6.根据权利要求5所述的一种基于多层循环编码解码器网络的林木图像分割方法，其特征在于，使用交叉熵损失对所述林木图像分割网络进行训练，其中公式为，
Figure QLYQS_36
；
其中，
Figure QLYQS_37
表示交叉熵损失；
Figure QLYQS_38
表示交叉熵计算；
Figure QLYQS_39
表示编码解码器网络；
Figure QLYQS_40
表示与输入的无人机遥感林木图像的林木分割标签。
7.一种基于多层循环编码解码器网络的林木图像分割系统，其特征在于，包括：
无人机遥感林木图像获取模块：获取无人机遥感林木图像；
特征图像获取模块：根据编码解码器网络得到特征图像；
图像分割模块：将所述特征图像输入至林木图像分割网络，得到分割结果。
8.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的一种基于多层循环编码解码器网络的林木图像分割方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的一种基于多层循环编码解码器网络的林木图像分割方法。
CN202310165215.8A 2023-02-27 2023-02-27 一种基于多层循环编码解码器网络的林木图像分割方法 Pending CN115880309A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310165215.8A CN115880309A (zh) 2023-02-27 2023-02-27 一种基于多层循环编码解码器网络的林木图像分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310165215.8A CN115880309A (zh) 2023-02-27 2023-02-27 一种基于多层循环编码解码器网络的林木图像分割方法

Publications (1)

Publication Number Publication Date
CN115880309A true CN115880309A (zh) 2023-03-31

Family

ID=85761619

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310165215.8A Pending CN115880309A (zh) 2023-02-27 2023-02-27 一种基于多层循环编码解码器网络的林木图像分割方法

Country Status (1)

Country Link
CN (1) CN115880309A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190370638A1 (en) * 2018-06-01 2019-12-05 Thales Canada Inc System for and method of data encoding and/or decoding using neural networks
CN113159056A (zh) * 2021-05-21 2021-07-23 中国科学院深圳先进技术研究院 图像分割方法、装置、设备及存储介质
CN113780296A (zh) * 2021-09-13 2021-12-10 山东大学 基于多尺度信息融合的遥感图像语义分割方法及系统
CN114022785A (zh) * 2021-11-15 2022-02-08 中国华能集团清洁能源技术研究院有限公司 一种遥感影像语义分割方法、系统、设备及存储介质
CN114120102A (zh) * 2021-11-03 2022-03-01 中国华能集团清洁能源技术研究院有限公司 边界优化的遥感图像语义分割方法、装置、设备及介质
CN115546653A (zh) * 2022-12-02 2022-12-30 耕宇牧星(北京)空间科技有限公司 一种基于深度加强网络的遥感图像去噪方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190370638A1 (en) * 2018-06-01 2019-12-05 Thales Canada Inc System for and method of data encoding and/or decoding using neural networks
CN113159056A (zh) * 2021-05-21 2021-07-23 中国科学院深圳先进技术研究院 图像分割方法、装置、设备及存储介质
CN113780296A (zh) * 2021-09-13 2021-12-10 山东大学 基于多尺度信息融合的遥感图像语义分割方法及系统
CN114120102A (zh) * 2021-11-03 2022-03-01 中国华能集团清洁能源技术研究院有限公司 边界优化的遥感图像语义分割方法、装置、设备及介质
CN114022785A (zh) * 2021-11-15 2022-02-08 中国华能集团清洁能源技术研究院有限公司 一种遥感影像语义分割方法、系统、设备及存储介质
CN115546653A (zh) * 2022-12-02 2022-12-30 耕宇牧星(北京)空间科技有限公司 一种基于深度加强网络的遥感图像去噪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
尚群锋;沈炜;帅世渊;: "基于深度学习高分辨率遥感影像语义分割" *
张哲晗;方薇;杜丽丽;乔延利;张冬英;丁国绅;: "基于编码-解码卷积神经网络的遥感图像语义分割" *

Similar Documents

Publication Publication Date Title
CN103679151B (zh) 一种融合LBP、Gabor特征的人脸聚类方法
CN104463224B (zh) 基于丰度显著性分析的高光谱图像解混方法及系统
CN110781784A (zh) 基于双路注意力机制的人脸识别方法、装置及设备
Zhang et al. HTC+ for SAR ship instance segmentation
CN107220657A (zh) 一种面向小数据集的高分辨率遥感影像场景分类的方法
Jiang et al. Cascaded subpatch networks for effective CNNs
Hong et al. A lightweight model for wheat ear fusarium head blight detection based on RGB images
CN111950408B (zh) 基于规则图的手指静脉图像识别方法、装置及存储介质
CN107341548A (zh) 一种数据处理方法、装置及电子设备
CN107679572A (zh) 一种图像判别方法、存储设备及移动终端
CN110222718A (zh) 图像处理的方法及装置
CN107909088A (zh) 获取训练样本的方法、装置、设备和计算机存储介质
CN115439757B (zh) 一种基于遥感影像的水质污染源溯源方法、装置以及设备
CN114863572B (zh) 一种多通道异构传感器的肌电手势识别方法
CN115294467A (zh) 茶叶病害的检测方法及相关装置
Zhao et al. Multi‐mode neural network for human action recognition
Chung et al. Central attention and a dual path convolutional neural network in real-world tree species recognition
CN108764233B (zh) 一种基于连续卷积激活的场景字符识别方法
Niu et al. An Improved YOLOv5s-Seg Detection and Segmentation Model for the Accurate Identification of Forest Fires Based on UAV Infrared Image
Jin et al. Real-time fire smoke detection method combining a self-attention mechanism and radial multi-scale feature connection
Maduako et al. Automated school location mapping at scale from satellite imagery based on deep learning
Rodríguez-Puerta et al. Mapping tree canopy in urban environments using point clouds from airborne laser scanning and street level imagery
González-Cepeda et al. Intelligent video surveillance systems for vehicle identification based on multinet architecture
Ni et al. MHST: Multiscale Head Selection Transformer for Hyperspectral and LiDAR Classification
CN115880309A (zh) 一种基于多层循环编码解码器网络的林木图像分割方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20230331

RJ01 Rejection of invention patent application after publication