基于自监督学习的多源异构图像分割方法

本申请的实施例涉及图像处理技术领域，特别涉及一种基于自监督学习的多源异构图像分割方法，包括：采集多源异构样本图像并在通道维度上进行叠加，得到多通道样本输入数据；构建由空间分支网络和通道分支网络组成的多源异构图像分割模型，空间分支网络和通道分支网络分别处理多通道样本输入数据，得到空间重建特征和通道重建特征，以构建掩码损失函数；将可见光样本图像和雷达样本图像作为正样本对，并分别进行投影变换和预测变换，得到可见光对比特征和雷达对比特征，以构建对比损失函数；基于掩码损失函数和对比损失函数构建总损失函数，对模型进行迭代训练至收敛，得到训练完成的模型，以应用于分割任务，实现对多源异构图像的高精度分割。