一种基于深度神经网络的卫星影像特征提取方法及系统技术方案

本发明专利技术涉及图像处理技术领域，具体涉及一种基于深度神经网络的卫星影像特征提取方法及系统，首先获取第一卫星影像，接着采用深度卷积神经网络算法对第一卫星影像进行语义自动识别，得到第一卫星影像的第一地物对象，所述第一卫星影像的第一地物对象包括水系、绿地、一般道路、高速公路、工业区、居住区中的一个或多个，从而通过语义自动识别提高了卫星影像地物信息提取的效率，更加方便。

A method and system of satellite image feature extraction based on depth neural network

【技术实现步骤摘要】
一种基于深度神经网络的卫星影像特征提取方法及系统
本专利技术涉及图像处理
，具体涉及一种基于深度神经网络的卫星影像特征提取方法及系统。
技术介绍
传统的图像识别方法是采取人工判读的方法，随着未来市场遥感数据空间分辨率、时间分辨率、光谱分辨率以及辐射分辨率不断提高，数据类型也不断增加，依靠人工解译遥感数据的方式就需要花费大量的时间与人力，已经不适合当前的遥感识别需要。当前主流的图像自动识别算法一般是采用FasterR-CNN技术来选取候选方框，并对候选方框的目标进行分类，从而达到目标的检测识别。但是，当目标紧密排列而分布不均匀时，某个目标的目标方框就会包含相邻目标的内容，一般会出现处于中间位置的目标无法被检测识别出来的问题，导致漏检情况、误检情况、目标识别区域框过大而无法很好贴近目标等问题。具体情况如下：(1)尺寸过大的目标在在候选框选取过程中，将小目标包括进去，这就造成在特征提取和目标识别结果分析中，出现小目标漏检的情况。(2)FasterR-CNN技术缺乏对目标的轮廓描述和像素描述，这就造成很多具有局部特征的非目标地物被检测为目本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的卫星影像特征提取方法，其特征在于，包括：/n获取第一卫星影像；/n采用深度卷积神经网络算法对第一卫星影像进行语义自动识别，得到第一卫星影像的第一地物对象，所述第一卫星影像的第一地物对象包括水系、绿地、一般道路、高速公路、工业区、居住区中的一个或多个。/n

【技术特征摘要】
1.一种基于深度神经网络的卫星影像特征提取方法，其特征在于，包括：
获取第一卫星影像；
采用深度卷积神经网络算法对第一卫星影像进行语义自动识别，得到第一卫星影像的第一地物对象，所述第一卫星影像的第一地物对象包括水系、绿地、一般道路、高速公路、工业区、居住区中的一个或多个。


2.根据权利要求1所述的一种基于深度神经网络的卫星影像特征提取方法，其特征在于，所述获取第一卫星影像，包括：
获取第一遥感影像；
对所述第一遥感影像进行预处理，得到第一卫星影像，所述预处理包括去噪、几何变换、对比度增强、灰度化处理和二值化处理。


3.根据权利要求2所述的一种基于深度神经网络的卫星影像特征提取方法，其特征在于，所述采用深度卷积神经网络算法对第一卫星影像进行语义自动识别，得到第一卫星影像的第一对象，包括：
获取训练样本，所述训练样本包含一个或多个地物类别，所述地物类别包括水系、绿地、一般道路、高速公路、工业区、居住区；
对训练样本采用MaskR-CNN算法进行模型训练，得到地物语义识别模型；
将第一卫星影像输入地物语义识别模型，识别得到第一卫星影像的第一地物对象。


4.根据权利要求3所述的一种基于深度神经网络的卫星影像特征提取方法，其特征在于，所述对训练样本采用MaskR-CNN算法进行模型训练，得到地物语义识别模型，包括：
获取地物标注后的训练样本，所述地物标注是指在训练样本中标注出第一区域，所述第一区域包...

【专利技术属性】
技术研发人员：聂佩林，梁碧仪，陈颖，黄梓煌，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东;44