遥感图像识别方法、装置、存储介质以及电子设备制造方法及图纸

技术编号:18497817 阅读:41 留言:0更新日期:2018-07-21 20:31
本申请公开了一种遥感图像识别方法、装置、设备、存储介质以及计算机程序,其中的遥感图像识别方法包括:对待识别遥感图像进行降分辨率处理,得到降分辨率处理后的遥感图像;从所述降分辨率处理后的遥感图像中切分出至少一个遥感图像块;从所述至少一个遥感图像块中确定待处理遥感图像块;将所述待处理遥感图像块输入神经网络中,经由神经网络获得输入的待处理遥感图像块中的像素的分类概率信息;根据所述待处理遥感图像块中的像素的分类概率信息确定所述待识别遥感图像的识别结果。

Remote sensing image recognition method, device, storage medium and electronic equipment

The application discloses a remote sensing image recognition method, a device, a device, a storage medium and a computer program. The remote sensing image recognition method includes: the resolution processing of the recognition remote sensing image, the remote sensing image after the resolution processing, and the segmentation of the remote sensing image after the resolution of the resolution. At least one remote sensing image block is given; the pending remote sensing image block is determined from the at least one remote sensing image block; the classification probability information of the pixels in the incoming remote sensing image block is obtained by inputting the processed remote sensing image block into the neural network, and the pixels in the processed remote sensing image block are obtained by the neural network; Pixel classification probability information determines the recognition result of the identified remote sensing image.

【技术实现步骤摘要】
遥感图像识别方法、装置、存储介质以及电子设备
本申请涉及计算机视觉技术,尤其是涉及一种遥感图像识别方法、遥感图像识别装置、计算机可读存储介质以及电子设备。
技术介绍
随着深度学习技术在图像识别、目标检测以及图像分割等方面不断取得的突破性进展,卷积神经网络已经被应用于遥感图像识别领域中。在遥感图像识别过程中,一个像素的预测结果通常是由该像素周边一定区域内的其他像素决定,该区域可以称为卷积神经网络神经元的感受野。卷积神经网络神经元的感受野通常有限(如几百像素),而遥感图像的尺寸通常较大(如遥感图像的长和宽可达几千甚至上万像素),因此,神经元有限的感受野可能会无法获得足够的环境信息,这往往会导致卷积神经网络对遥感图像中的像素的误识别。如何在尽量保证神经网络的计算量不会大幅提升的同时,提高遥感图像的识别准率性,是一个值得关注的技术问题。
技术实现思路
本申请实施方式提供一种遥感图像识别的技术方案。根据本申请实施方式的其中一方面,提供了一种遥感图像识别方法,该方法主要包括:对待识别遥感图像进行降分辨率处理,得到降分辨率处理后的遥感图像;从所述降分辨率处理后的遥感图像中切分出至少一个遥感图像块;从所述至少一个遥感图像块中确定待处理遥感图像块;经由神经网络获得待处理遥感图像块中的像素的分类概率信息;根据所述待处理遥感图像块中的像素的分类概率信息确定所述待识别遥感图像的识别结果。在本申请一实施方式中,所述对待识别遥感图像进行降分辨率处理包括:根据缩小比例集合中未被采用过的缩小值对待识别遥感图像进行降分辨率处理。在本申请又一实施方式中,所述根据所述待处理遥感图像块中的像素的分类概率信息确定所述待识别遥感图像的识别结果包括:响应于缩小比例集合中不存在未被采用过的缩小值或者确定所述至少一个遥感图像块中不存在待处理遥感图像块,根据所述待处理遥感图像块中的像素的分类概率信息确定所述待识别遥感图像的识别结果。在本申请再一实施方式中,所述缩小比例集合包括:至少两个不同的缩小值,且较小的缩小值相对较大的缩小值先被采用。在本申请再一实施方式中,所述从所述至少一个遥感图像块中确定待处理遥感图像块包括:在第一次执行降分辨率处理的情况下,将所有遥感图像块均作为待处理遥感图像块。在本申请再一实施方式中,所述从所述至少一个遥感图像块中确定待处理遥感图像块包括:在非第一次执行降分辨率处理的情况下,待处理遥感图像块的数量小于或等于当前切分出的遥感图像块的数量,和/或,所述待识别遥感图像经当前执行降分辨率处理后的图像分辨率大于经上一次执行降分辨率处理后的图像分辨率。在本申请再一实施方式中,在非第一次执行降分辨率处理的情况下,根据待识别遥感图像的像素的当前置信度从所述至少一个遥感图像块中确定待处理遥感图像块。在本申请再一实施方式中,所述根据待识别遥感图像的像素的当前置信度从所述至少一个遥感图像块中确定待处理遥感图像块,包括:根据待识别遥感图像包括的多个像素中各像素的当前分类概率信息确定所述各像素的当前置信度;统计遥感图像块所对应的待识别遥感图像区域中像素的当前置信度达到预定置信度的像素数量;将所述达到预定置信度的像素数量不符合预定要求的遥感图像块确定为待处理遥感图像块。在本申请再一实施方式中,所述将所述达到预定置信度的像素数量不符合预定要求的遥感图像块确定为待处理遥感图像块包括:针对一遥感图像块而言,在达到预定置信度的像素数量与该遥感图像块所对应的待识别遥感图像区域中所有像素的数量的比值小于预定比值的情况下,将该遥感图像块确定为待处理遥感图像块。在本申请再一实施方式中,所述待识别遥感图像的各像素的当前分类概率信息的获得方式包括:在第一次执行降分辨率处理的情况下,将神经网络输出的所有待处理遥感图像块中各像素的分类概率信息映射到待识别遥感图像中,获得待识别遥感图像的各像素的分类概率信息;其中,所述待识别遥感图像的各像素的分类概率信息被作为待识别遥感图像的各像素的当前分类概率信息。在本申请再一实施方式中,所述待识别遥感图像的各像素的当前分类概率信息的获得方式包括:在非第一次执行降分辨率处理的情况下,将神经网络输出的所有待处理遥感图像块中各像素的分类概率信息映射到待识别遥感图像中,获得待识别遥感图像的多个像素的分类概率信息;根据本次获得的待识别遥感图像的多个像素的分类概率信息更新所述待识别遥感图像的相应像素的当前分类概率信息。在本申请再一实施方式中,所述根据本次获得的待识别遥感图像的多个像素的分类概率信息更新所述待识别遥感图像的相应像素的当前分类概率信息包括:计算本次获得的待识别遥感图像的多个像素的分类概率信息与待识别遥感图像中相应像素的当前分类概率信息的平均值;利用计算出的平均值更新待识别遥感图像中相应像素的当前分类概率信息。在本申请再一实施方式中,所述根据所述待处理遥感图像块中的像素的分类概率信息确定所述待识别遥感图像的识别结果包括:针对待识别遥感图像中的一像素而言,确定该像素的当前分类概率信息中的属于各类别的概率值中的最大概率值,将该最大概率值以及该最大概率值对应的类别,作为该像素的识别结果。在本申请再一实施方式中,对所述神经网络进行训练的遥感图像样本的分辨率包括:根据缩小比例集合中的各缩小值分别对遥感图像进行降分辨率处理,所获得的各遥感图像的分辨率。根据本申请实施方式的另一方面,提供了一种遥感图像识别装置,且该装置包括:降分辨率模块,用于对待识别遥感图像进行降分辨率处理,得到降分辨率处理后的遥感图像;遥感图像切分模块,用于从所述降分辨率处理后的遥感图像中切分出至少一个遥感图像块;选取图像块模块,用于从所述至少一个遥感图像块中确定待处理遥感图像块;分类处理模块,用于经由神经网络获得所述待处理遥感图像块中的像素的分类概率信息;确定识别结果模块,用于根据所述待处理遥感图像块中的像素的分类概率信息确定所述待识别遥感图像的识别结果。在本申请一实施方式中,所述降分辨率模块具体用于:根据缩小比例集合中未被采用过的缩小值对待识别遥感图像进行降分辨率处理。在本申请又一实施方式中,所述确定识别结果模块具体用于:响应于缩小比例集合中不存在未被采用过的缩小值或者确定所述至少一个遥感图像块中不存在待处理遥感图像块,根据所述待处理遥感图像块中的像素的分类概率信息确定所述待识别遥感图像的识别结果。在本申请再一实施方式中,所述缩小比例集合包括:至少两个不同的缩小值,且较小的缩小值相对较大的缩小值先被采用。在本申请再一实施方式中,所述选取图像块模块具体用于:在第一次执行降分辨率处理的情况下,将所有遥感图像块均作为待处理遥感图像块。在本申请再一实施方式中,在非第一次执行降分辨率处理的情况下,选取图像块模块确定出的待处理遥感图像块的数量小于或等于遥感图像切分模块当前切分出的遥感图像块的数量,且降分辨率模块当前执行的降分辨率大于上一次执行的降分辨率。在本申请再一实施方式中,在非第一次执行降分辨率处理的情况下,选取图像块模块根据待识别遥感图像的像素的当前置信度从所述至少一个遥感图像块中确定待处理遥感图像块。在本申请再一实施方式中,所述选取图像块模块具体包括:第一单元,用于根据待识别遥感图像包括的多个像素中各像素的当前分类概率信息确定所述各像素的当前置信度;第二单元,用于统计遥感图像块本文档来自技高网...

【技术保护点】
1.一种遥感图像识别方法,其特征在于,所述方法包括:对待识别遥感图像进行降分辨率处理,得到降分辨率处理后的遥感图像;从所述降分辨率处理后的遥感图像中切分出至少一个遥感图像块;从所述至少一个遥感图像块中确定待处理遥感图像块;经由神经网络获得待处理遥感图像块中的像素的分类概率信息;根据所述待处理遥感图像块中的像素的分类概率信息确定所述待识别遥感图像的识别结果。

【技术特征摘要】
1.一种遥感图像识别方法,其特征在于,所述方法包括:对待识别遥感图像进行降分辨率处理,得到降分辨率处理后的遥感图像;从所述降分辨率处理后的遥感图像中切分出至少一个遥感图像块;从所述至少一个遥感图像块中确定待处理遥感图像块;经由神经网络获得待处理遥感图像块中的像素的分类概率信息;根据所述待处理遥感图像块中的像素的分类概率信息确定所述待识别遥感图像的识别结果。2.根据权利要求1所述的方法,其特征在于,所述对待识别遥感图像进行降分辨率处理包括:根据缩小比例集合中未被采用过的缩小值对待识别遥感图像进行降分辨率处理。3.根据权利要求2所述的方法,其特征在于,所述根据所述待处理遥感图像块中的像素的分类概率信息确定所述待识别遥感图像的识别结果包括:响应于缩小比例集合中不存在未被采用过的缩小值或者确定所述至少一个遥感图像块中不存在待处理遥感图像块,根据所述待处理遥感图像块中的像素的分类概率信息确定所述待识别遥感图像的识别结果。4.根据权利要求2至3中任一项所述的方法,其特征在于,所述缩小比例集合包括:至少两个不同的缩小值,且较小的缩小值相对较大的缩小值先被采用。5.根据权利要求1至4中任一项所述的方法,其特征在于,所述从所述至少一个遥感图像块中确定待处理遥感图像块包括:在第一次执行降分辨率处理的情况下,将所有遥感图像块均作为待处理遥感图像块。6.根据权利要求1...

【专利技术属性】
技术研发人员:李聪
申请(专利权)人:北京市商汤科技开发有限公司
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1