The invention provides a remote sensing image scene recognition method and device, which belongs to the field of image recognition technology. The methods include: extracting the depth features of remote sensing images based on the pre-trained depth convolution neural network; extracting the SIFT features of remote sensing images; determining the scene type of remote sensing images according to the SIFT features and depth features. The present invention extracts the depth features of remote sensing images through a depth convolution neural network based on pre-training. The SIFT feature of remote sensing image is extracted. According to SIFT and depth characteristics, the scene type of remote sensing image is determined. Because SIFT features have scale invariance and rotation invariance, the problem that depth features are sensitive to rotation or scale transformation of remote sensing images can be overcome when recognizing the scene type of remote sensing images, thus improving the accuracy of recognizing the scene of remote sensing images.
【技术实现步骤摘要】
遥感图像场景识别方法及装置
本专利技术涉及图像识别
,更具体地,涉及一种遥感图像场景识别方法及装置。
技术介绍
随着我国航天技术的发展,越来越多的高分卫星被发射到太空中以获取地球表面数据。基于高分卫星获取到的地球表面数据,可实现灾害监测、农业估产以及军事侦查。通常从高分卫星传送到地面上的数据画幅巨大,为了充分利用这些大量的巨幅高分遥感数据,场景分类是非常重要的预处理手段。通过对这些高分遥感数据进行场景分类,可对后续进一步的目标识别、变化检测、图像检索等任务有着重要帮助。遥感图像的场景识别方法分为两个方向:一是基于像素的图像识别,二是基于特征的场景识别。其中,基于像素的场景识别是基于自底而上的分层场景建模来实现场景识别。基于特征的场景识别是依照不同粒度的特征来实现场景识别。其中,特征按照不同粒度可以分为底层特征、中层特征及深度特征。对于第一个方向,在相关技术中,主要是从遥感图像像素开始分类,先对每个像素赋予一个标签,再通过迭代区域分割的方法得到遥感图像中不同区域的类型标记。最后,通过分类后的不同区域之间的空间关系,得到遥感图像的场景类型。对于第二个方向,在相关技术中,按照不同的特征粒度,可将识别遥感图像场景分为如下几种方式。第一种是基于底层特征来实现遥感图像的场景识别。其中,底层特征为人工设定的一些特征,可用来表达遥感图像的纹理、颜色及结构等。通过训练一个分类器来区分这些底层特征,可识别遥感图像的场景。第二种是基于中层特征来实现遥感图像的场景识别。其中,中层特征为对底层特征进行编码后所建立的字典,通过字典中特征组合可表达遥感图像。具体地,基于BOW(B ...
【技术保护点】
1.一种遥感图像场景识别方法,其特征在于,包括:步骤1,基于预训练的深度卷积神经网络,提取遥感图像的深度特征;步骤2,提取所述遥感图像的SIFT特征;步骤3,根据所述SIFT特征及所述深度特征,确定所述遥感图像的场景类型。
【技术特征摘要】
1.一种遥感图像场景识别方法,其特征在于,包括:步骤1,基于预训练的深度卷积神经网络,提取遥感图像的深度特征;步骤2,提取所述遥感图像的SIFT特征;步骤3,根据所述SIFT特征及所述深度特征,确定所述遥感图像的场景类型。2.根据权利要求1所述的方法,其特征在于,所述预训练的深度卷积神经网络包括卷积层、激励层、正则项、池化层及全连接层。3.根据权利要求1所述的方法,其特征在于,所述步骤3之前还包括:对提取的SIFT特征进行Fisher向量编码,得到相应编码的SIFT特征。4.根据权利要求1所述的方法,其特征在于,所述根据所述SIFT特征及所述深度特征,确定所述遥感图像的场景类型,包括:通过GRU神经网络模型,将所述SIFT特征及所述深度特征进行特征融合,得到融合后的图像表达特征;基于所述图像表达特征,确定所述遥感图像的场景类型。5.根据权利要求4所述的方法,其特征在于,所述通过所述GRU神经网络模型,将所述SIFT特征及所述深度特征进行特征融合,得到融合后的图像表达特征,包括:根据所述SIFT特征及所述深度特征,计算所述深度特征对应的重置率;根据所述SIFT特征、所述深度特征及所述重置率,计算初次融合特征;根据所述初次融合特征及所述深度特征,计算图像表达特征。6.根据权利要求5所述的方法,其特征...
【专利技术属性】
技术研发人员:黄欢,赵刚,
申请(专利权)人:上海荆虹电子科技有限公司,
类型:发明
国别省市:上海,31
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。