一种基于深度学习的遥感图像数据自动识别分类方法技术

本发明专利技术公开了一种基于深度学习的遥感图像数据自动识别分类方法，所述方法包括以下步骤：对遥感图像进行色彩迁移处理，得到第一预处理后遥感图像；对第一次预处理后遥感图像进行特征增强处理，获取第二预处理后遥感图像；对第二预处理后遥感影像进行数据增强处理，获取第三预处理后遥感图像；将第三预处理后遥感图像分为训练集和测试集，然后用训练集训练模型，最后用训练好的模型对测试集进行测试。本发明专利技术能够有效克服传统图像分割技术的适用面有限、过分割、边缘平滑度差、分割准确率不高的问题；同时克服了神经网络因遥感图像明暗程度不同、分辨率不同、拍摄角度不同而导致准确率不高的问题。

【技术实现步骤摘要】
一种基于深度学习的遥感图像数据自动识别分类方法
本专利技术涉及图像分割、图像分类和深度学习领域，涉及全卷积神经网络技术和遥感图像处理
，尤其涉及一种基于深度学习的遥感图像数据自动识别分类方法。
技术介绍
传统的图像分割方法有很多，主要包括以下几种：基于边缘的图像分割、基于区域增长法的图像分割、基于聚类法的图像分割、基于阈值的图像分割。由于遥感图像具有信息量很大、目标结构较为复杂、边界不清晰、灰度级繁多等诸多问题，如果采用穷举法来进行阈值的选取，则会出现效率较低的问题，因此可以使用最大似然相似或遗传算法来提高阈值选取的效率。但是传统的图像分割方法仍然会出现分割结果适用面有限、过分割、边缘平滑度差、分割准确率不高等诸多问题。随着计算机技术的快速发展，大量的新方法已经不断地应用于遥感图像的分型识别，例如人工神经网络、支持向量机、模糊分类等方法。其中Awad,M和DIANEM.MILLER等人使用人工神经网络的方法对遥感图像数据进行分型识别，并结合图像的纹理信息分析。而Mercier,G等人使用支持向量机对遥感图像进行了分型识别的研究，实验结果表明支持向量机比经典的监督分类算法更好，而本文档来自技高网...

【技术保护点】
1.一种基于深度学习的遥感图像数据自动识别分类方法，其特征在于，所述方法包括以下步骤：对遥感图像进行色彩迁移处理，得到第一预处理后遥感图像；对第一次预处理后遥感图像进行特征增强处理，获取第二预处理后遥感图像；对第二预处理后遥感影像进行数据增强处理，获取第三预处理后遥感图像；将第三预处理后遥感图像分为训练集和测试集，然后用训练集训练模型，最后用训练好的模型对测试集进行测试。

【技术特征摘要】
1.一种基于深度学习的遥感图像数据自动识别分类方法，其特征在于，所述方法包括以下步骤：对遥感图像进行色彩迁移处理，得到第一预处理后遥感图像；对第一次预处理后遥感图像进行特征增强处理，获取第二预处理后遥感图像；对第二预处理后遥感影像进行数据增强处理，获取第三预处理后遥感图像；将第三预处理后遥感图像分为训练集和测试集，然后用训练集训练模型，最后用训练好的模型对测试集进行测试。2.根据权利要求1所述的一种基于深度学习的遥感图像数据自动识别分类方法，其特征在于，所述对遥感图像进行色彩迁移处理具体为：其中，L、A、B表示变换后图像通道值，L'、L”、L”'、A'、A”、A”'、B'、B”、B”'为中间变量，l、a、b表示原图像通道值，ml、ma、mb和ml'、ma'、mb'表示图像通道均值，nl、na、nb和nl'、na'、nb'表示图像通道标准方差。3.根据权利要求1所述的一种基于深度学习的遥感影...

【专利技术属性】
技术研发人员：于瑞国，胡家琛，刘志强，于健，赵满坤，喻梅，王建荣，李瑞恺，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12