摘要
本发明公开了一种基于图神经网络的烟田轮廓提取方法,属于人工智能与图像处理领域,包括:对烟田遥感图像进行预处理;将预处理后的图像输入编码器提取多尺度特征,得到高层特征图;将空间展平后的高层特征图划分为若干子区域构建局部k近邻图,并计算子区域的中心特征向量;基于中心特征向量构建全连接全局图,并基于图注意力机制进行跨区域特征交互;将更新后的全局特征广播至对应子区域,结合邻居特征差异进行全局‑局部特征融合;将融合后的特征重构为图像特征图,图像特征图通过解码器输出烟田分割掩膜图,基于烟田分割掩膜图得到烟田轮廓的像素级提取结果。本发明有效增强了模型对烟田轮廓的全局感知与边界连通性建模能力。
技术关键词
轮廓提取方法
图像
编码器
烟田
线性变换矩阵
邻居
解码器
卷积模块
多尺度特征
掩膜
注意力机制
表达式
上采样
重构
多层感知机
节点特征
聚类算法
系统为您推荐了相关专利信息
故障辨识方法
高风险
回路
深度学习模型
增量学习方法
修复方法
自动控制系统
继电器控制单元
轨迹
生成算法
机器人步态
地形特征
微分控制方法
机器人行进路径
轻量级神经网络
智能故障诊断方法
脉冲神经网络模型
电阻抗成像技术
对比度
智能故障诊断技术
微流道装置
打印方法
图案
斯托克斯方程
计算机程序代码