The invention provides a high spatial resolution remote sensing image migration learning method based on depth characteristics. The method can directly classify the newly acquired remote sensing images by using existing remote sensing images and sample information, thus providing support for remote sensing rapid monitoring. The method comprises the following steps: the source domain and the target domain image image, using the principal component transform, then extracted the first three principal components; the new image of three bands generated, from each pixel as the center of the image block is input to the already trained multilayer convolution neural network output; convolutional neural network at the end of a fully connected layer, get the depth characteristics of the pixel representation; the source domain and the image of the source domain of training samples, the depth of feature extraction using support vector machine classifier trained a classifier based on the target domain; image, using support vector classifier obtained directly from the source domain image classification, and related to the migration categories corresponding to the target domain of learning.
【技术实现步骤摘要】
一种基于深度特征的高空间分辨率遥感图像迁移学习方法
本专利技术涉及遥感图像处理技术,具体的说,涉及一种基于深度特征的高空间分辨率遥感图像迁移学习方法,该方法可以基于已有高空间分辨率遥感图像以及样本数据,对新获取的遥感图像在没有样本的情况下进行自动分类,从而快速处理遥感图像,为遥感监测提供支持。
技术介绍
遥感技术目前被广泛应用于地学应用中,如森林资源规划、农作物估产、环境评估、灾害监测等。遥感图像分类技术是把遥感图像从数据转换为信息的关键步骤。从是否需要训练样本来分,遥感图像分类方法分为监督分类和非监督分类。在遥感图像分类中最常用的是监督分类方法。监督分类方法,需要人工地确定分类体系、各个类别的训练样本等。监督分类分类方法能够保证获得比较好的分类精度,但是获取训练样本是一个耗时耗力的过程。在常规模式下,遥感卫星对某一特定地区会按照一定的重返周期进行成像,形成一系列时间序列的遥感图像。如果对每新获取的一个时相遥感图像都进行样本的采集,人工操作将是极其繁重的。尤其是对于遥感灾害应急等应用,需要在获取遥感图像的情况下快速地获得其专题分类及变化信息。因而,研究如何利用过去获得的遥感图像以及训练样本信息,对新获取的遥感图像进行自动分类(指不需要进行样本的重新采集)具有一定的实用价值。机器学习领域的迁移学习试图满足上述的应用需求。迁移学习利用某一个分类任务(包括原始数据以及各类别的样本数据,通常称为源域)学习得到的规则、规律对一个新的、并具有一定相关性的分类任务(只包括原始数据,没有或者很少的样本数据,还不足以训练出一个有效的分类器,通常称为目标域)进行分类。目前迁移 ...
【技术保护点】
一种基于深度特征的高空间分辨率遥感图像迁移学习方法,其特征在于包括以下步骤:A选择已经训练好的卷积神经网络模型;B对源域图像以及目标域图像,使用主成分变换,分别提取其前三个主成分分量,形成相应的三个波段的新图像;C对生成的三个波段的新图像,分别以每个像素为中心取其一定大小窗口的图像块输入到选定的卷积神经网络;D输出卷积神经网络中的最后一个全连接层,得到该像素的深度特征表示;E对源域图像以及源域的训练样本,基于步骤D中提取的深度特征使用支持向量机分类器进行训练得到一个分类器;F对步骤D中得到的目标域图像的深度特征,使用步骤E中训练得到的分类器进行分类,完成从源域图像以及类别对应关系到目标域的迁移学习。
【技术特征摘要】
1.一种基于深度特征的高空间分辨率遥感图像迁移学习方法,其特征在于包括以下步骤:A选择已经训练好的卷积神经网络模型;B对源域图像以及目标域图像,使用主成分变换,分别提取其前三个主成分分量,形成相应的三个波段的新图像;C对生成的三个波段的新图像,分别以每个像素为中心取其一定大小窗口的图像块输入到选定的卷积神经网络;D输出卷积神经网络中的最后一个全连接层,得到该像素的深度特征表示;E对源域图像以及源域的训练样本,基于步骤D中提取的深度特征使用支持向量机分类器进行训练得到一个分类器;F对步骤D中得到的目标域图像的深度特征,使用步骤E中训练得到的分类器进行分类,完成从源域图像以及类别对应关系到目标域的迁移学习。2.根据权利要求1所述的方法,其...
【专利技术属性】
技术研发人员:霍连志,赵理君,张伟,郑柯,唐娉,
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
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。