(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210671099.2 (22)申请日 2022.06.14 (71)申请人 湖南省农林工业勘察设计 研究总院 地址 410000 湖南省长 沙市雨花区城南中 路232号 申请人 湖南神帆科技有限公司 (72)发明人 杨文军　李智勇　邓志鹏　易敏　 曹雪佳　张鹏　杨芳　 (74)专利代理 机构 长沙昌恒达专利代理事务所 (普通合伙) 43283 专利代理师 胡昌国 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/26(2022.01) G06V 10/82(2022.01)G06V 10/764(2022.01) G06V 10/762(2022.01) G06T 7/10(2017.01) G06T 7/11(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于超像素与分水岭的遥感图像深度学习 分割方法及系统 (57)摘要 本发明公开了一种基于超像素与分水岭的 遥感图像深度学习分割方法及系统， 通过利用超 像素分割算法对遥感图像进行超像素分割， 输出 超像素分割结果图； 利用语义分割类卷积神经网 络对遥感图像进行地物分割， 输出地物分割结果 图； 将每个超像素块的几何中心定义为种子点的 位置， 结合输出的超像素分割图和地物分割结果 图， 逐个统计计算超像素块内不同地物类别标签 的占比数量， 取占比最大的地物类别标签作为该 超像素块种子点类别； 将定义的种子点作为输入 参数， 利用分水岭算法对遥感图像进行地物分 割， 输出相同尺寸的地物分割效果图。 本发明有 效提高遥感图像地物分割的可视化效果和遥感 图像地物分割的精度。 权利要求书2页 说明书6页 附图3页 CN 114898216 A 2022.08.12 CN 114898216 A 1.一种基于超像素与分水岭的遥感图像深度学习分割方法， 其特征在于， 包括以下步 骤： 利用超像素分割算法对遥感图像进行超像素分割， 输出超像素分割结果图； 利用语义分割类卷积神经网络对遥感图像进行地物分割， 输出地物分割结果图； 将每个超像素块的几何中心定义为种子点的位置， 结合输出的超像素分割图和地物分 割结果图， 逐个统计计算超像素块内不同地物类别标签的占比数量， 取占比最大 的地物类 别标签作为该超像素块种子点类别； 将定义的种子点作为输入参数， 利用分水岭算法对遥感图像进行地物分割， 输出相同 尺寸的地物分割效果图。 2.如权利要求1所述的基于超像素与分水岭的遥感图像深度学习分割方法， 其特征在 于， 所述利用超像素分割算法对遥感 图像进行超像素分割， 输出超像素分割 结果图的步骤 中， 采用简单线性迭代 聚类算法对遥感图像进行超像素分割， 得到一系列轮廓保持良好且 排列整齐紧凑的超像素区域。 3.如权利要求2所述的基于超像素与分水岭的遥感图像深度学习分割方法， 其特征在 于， 所述超像素分割算法涉及区域尺寸参数和 正则化平衡参数， 所述利用超像素分割算法 对遥感图像进行超像素分割， 输出超像素分割 结果图的步骤中， 设置相 应的区域尺寸参数 和正则化平衡参数。 4.如权利要求1所述的基于超像素与分水岭的遥感图像深度学习分割方法， 其特征在 于， 所述利用语义分割类卷积神经网络对遥感图像进行地物分割， 输出地物分割 结果图的 步骤中， 以单幅遥感图像为输入至深度学习模型中， 经过前向传播计算， 输出相同尺寸且带 有地物标注类别的地物分割结果图。 5.如权利要求1所述的基于超像素与分水岭的遥感图像深度学习分割方法， 其特征在 于， 所述将每个超像素块的几何中心定义为种子点的位置， 结合输出 的超像素分割图和地 物分割结果图， 逐个统计计算超像素块内不同地物类别标签的占比数量， 取占比最大 的地 物类别标签作为该超像素块种子点类别的步骤中， 定义遥感图像中的地物类别， 所述地物 类别包括建筑物、 河流、 道路和植被。 6.一种基于超像素与分水岭的遥感图像深度学习分割 系统， 其特 征在于， 包括： 第一分割模块(10)， 用于利用超像素分割算法对遥感图像进行超像素分割， 输出超像 素分割结果图； 第二分割模块(20)， 用于利用语义分割类卷积神经网络对遥感图像进行地物分割， 输 出地物分割结果图； 统计计算模块(30)， 用于将每个超像素块的几何中心定义为种子点的位置， 结合输出 的超像素分割图和地物分割结果图， 逐个统计计算超像素块内不同地物类别标签的占比数 量， 取占比最大的地物类别标签作为该超像素块种子点类别； 第三分割模块(40)， 用于将定义的种子点作为输入参数， 利用分水岭算法对遥感图像 进行地物分割， 输出相同尺寸的地物分割效果图。 7.如权利要求6所述的基于超像素与分水岭的遥感图像深度学习分割系统， 其特征在 于， 所述第一分割模块(10)包括第一分割单元， 所述第一分割单元用于采用简单线性迭代 聚类算法对遥感图像进行超像素分割， 得到一系列轮廓保持良好且排列整齐紧凑的超像素权　利　要　求　书 1/2 页 2 CN 114898216 A 2区域。 8.如权利要求7所述的基于超像素与分水岭的遥感图像深度学习分割系统， 其特征在 于， 所述第一分割模块(10)包括设置单元， 所述设置单元用于设置相应的区域尺寸参数和 正则化平衡参数。 9.如权利要求6所述的基于超像素与分水岭的遥感图像深度学习分割系统， 其特征在 于， 所述第二分割模块(20)包括第二分割单元， 所述第二分割单元用于以单幅遥感图像为 输入至深度学习模型中， 经过前向传播计算， 输出相同尺寸且带有地物标注类别的地物分 割结果图。 10.如权利要求6所述的基于超像素与分水岭的遥感图像深度学习分割系统， 其特征在 于， 所述统计计算模块(30)包括定义单元， 所述定义单元用于定义遥感图像中的地物类别， 所述地物类别包括建筑物、 河流、 道路和植被。权　利　要　求　书 2/2 页 3 CN 114898216 A 3