一种高分辨率遥感图像的场景分类方法及系统技术方案

本发明专利技术提供了一种高分辨率的遥感图像分类方法，包括：对给定的遥感图像生成场景子图像集合，并建立场景分类训练集；提取所述场景分类训练集中的每幅子图像的第一语义特征；根据所述每幅子图像的第一语义特征建立第一场景分类模型；基于第一场景分类模型计算第一分类结果概率向量；提取所述场景分类训练集中的每幅子图像的第二语义特征；根据所述每幅子图像的第二语义特征建立第二场景分类模型；基于第二场景分类模型计算第二分类结果概率向量；利用分数层融合方法将第一分类结果概率向量和第二分类结果概率向量进行融合，得到第三分类结果概率向量；根据第三分类结果概率向量建立第三场景分类模型；根据第三场景分类模型判定待分类遥感图像的场景类别。本发明专利技术能够同时利用高分辨率场景图像的多级语义特征，使二者有机融合，提高了场景分类的准确性。

Scene classification method and system for high resolution remote sensing image

The present invention provides a method for high resolution remote sensing image classification, comprising: generating set scene sub images of remote sensing image is given, and the establishment of scene classification training set; each sub image of the first semantic feature extraction the scene classification in the training set; according to the establishment of the first scene classification model first semantic features of each sub image; the first scene classification model to calculate the first classification results based on probability vector; each sub image of the second semantic feature extraction the scene classification in the training set; according to the established second scene classification model of second semantic features of each sub image; calculate the second classification results of the probability vector second scene classification model based on fractional; the first layer fusion method of classification results of probability vector and second probability vector classification results are fused by third node classification According to the probability vector of third classification results, a third scene classification model is set up, and the scene category of the remote sensing image is decided according to the third scene classification model. The invention can simultaneously make use of the multi-level semantic features of the high-resolution scene image to make the two elements organically fused and improve the accuracy of the scene classification.

【技术实现步骤摘要】
一种高分辨率遥感图像的场景分类方法及系统
本专利技术涉及遥感图像场景分类
，尤其涉及一种基于高分辨率的遥感图像的分类方法以及分类系统。
技术介绍
同类地物在相同的条件下(光照、地形等)应该具有相同和相似的光谱信息和空间信息特征。不同类的地物之间具有差异，根据这种差异将遥感图像中的所有像素按其性质分为若干个类别的过程，称为遥感图像的分类。近几年来，随着成像技术的进一步提高，可供使用的高分辨率遥感卫星图像日益增加，其空间分辨率可达到亚米级别。目前，随着空间分辨率的不断提升，一些人为因素影响下的复杂的多目标、多地类覆盖的场景类型(如大型工厂，飞机场，码头，停车场等)在遥感图像中能够清晰地呈现出来。在这种新形势下，利用遥感图像中所包含的场景信息进行遥感图像解译为高分辨率遥感图像分类提供了一种新的思路，基于高分辨率遥感影像的场景分类研究成为一个热门的研究方向。近十年来，在机器视觉领域中出现的视觉词包(bag-of-visual-words，BOVW)模型为高分辨率遥感影像的场景分类提供了可行的方法。视觉词包模型作为一种中层特征表达方法，是对低层特征的二次抽象，包含了语义信息，已在自然图像本文档来自技高网...

【技术保护点】
一种高分辨率的遥感图像分类方法，其特征在于，包括：对给定的遥感图像生成场景子图像集合，并建立场景分类训练集；提取所述场景分类训练集中的每幅子图像的第一语义特征；根据所述每幅子图像的第一语义特征建立第一场景分类模型；基于第一场景分类模型计算第一分类结果概率向量；提取所述场景分类训练集中的每幅子图像的第二语义特征；根据所述每幅子图像的第二语义特征建立第二场景分类模型；基于第二场景分类模型计算第二分类结果概率向量；利用分数层融合方法将第一分类结果概率向量和第二分类结果概率向量进行融合，得到第三分类结果概率向量；根据第三分类结果概率向量建立第三场景分类模型；根据第三场景分类模型判定待分类遥感图像的场景...

【技术特征摘要】
1.一种高分辨率的遥感图像分类方法，其特征在于，包括：对给定的遥感图像生成场景子图像集合，并建立场景分类训练集；提取所述场景分类训练集中的每幅子图像的第一语义特征；根据所述每幅子图像的第一语义特征建立第一场景分类模型；基于第一场景分类模型计算第一分类结果概率向量；提取所述场景分类训练集中的每幅子图像的第二语义特征；根据所述每幅子图像的第二语义特征建立第二场景分类模型；基于第二场景分类模型计算第二分类结果概率向量；利用分数层融合方法将第一分类结果概率向量和第二分类结果概率向量进行融合，得到第三分类结果概率向量；根据第三分类结果概率向量建立第三场景分类模型；根据第三场景分类模型判定待分类遥感图像的场景类别。2.根据权利要求1所述的遥感图像分类方法，其特征在于，所述的建立场景分类训练集包括:根据给定的遥感图像的场景类型定义若干个场景类别，并编号，对于每一个类别分别随机选取若干幅子图像作为场景分类训练集。3.根据权利要求2所述的遥感图像分类方法，其特征在于，所述的提取所述场景分类训练集中的每幅子图像的第一语义特征，包括：对所述场景分类训练集中的每一幅子图像，利用BOVW方法，计算其直方图特征，得到第一语义特征。4.根据权利要求3所述的遥感图像分类方法，其特征在于，所述的建立第一场景分类模型，包括：将每幅子图像的第一语义特征和该子图像对应的场景类别编号作为训练数据，运用DBN算法设计DBN网络，然后训练DBN网络，训练好的DBN网络即第一场景分类模型。5.根据权利要求4所述的遥感图像分类方法，其特征在于，所述的计算第一分类结果概率向量，包括：利用训练好的DBN网络对训练数据进行分类预测，将DBN网络输出层的结果作为第一分类结果概率向量。6.根据权利要求5所述的遥感图像分类方法，其特征在于，所述的提取所述场景分类训练集中的每幅子图像的第二语义特征，包括：以CNN网络输出层之前的最后一个全连接层的输出作为特征提取器，对每一幅子图像提取第二语义特征。7.根据权利要求6所述的遥感图像分类方法，其特征在于，所述的建立第二场景分类模型，包括：将每幅子图像的第二语义特征和该子图像对应的场景类别编号作为训练数据，运用DBN算法设计DBN网络，然后训练DBN网络，训练好的DBN网络即第二场景分类模型。8.根据权利要求7所述的遥感图像分类方法，其特征在于，所述的计算第二分类结果概率向量，包括：利用训练好的DBN网络对训练数据进行分类预测，将DBN网络输出层的结果作为第二分类结果概率向量。9.根据权利要求8所述的遥感图像分类方法，其特征在...

【专利技术属性】
技术研发人员：赵理君，唐娉，张正，张伟，饶梦彬，唐吉文，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京,11