【技术实现步骤摘要】
一种多级空间上下文特征指导的高分辨率遥感影像分类方法专利
本专利技术属于遥感图像处理领域，涉及计算机深度学习领域，特别是涉及一种基于深度学习的面向对象高分辨率遥感图像分类方法。具体地说是一种利用深度学习网络提取多个对象特征、构建多特征融合的分类器，提高高分辨率遥感图像分类精度的方法。
技术介绍
利用卫星遥感影像进行高精度分类和解译一直以来都是遥感图像处理领域一项应用价值与挑战并存的重要内容，其对城市规划以及灾难救援有着重要的科学指导意义。随着近些年来高精度传感器技术和无人机、航拍技术的快速发展，遥感图像的空间分辨率越来越高，图像的地物特征越来越精细，数据量越来越大，传统的基于人工的分类特征提取方法在高分图像上的复杂特征提取能力难以满足地物分类的要求。近些年来随着深度学习技术以及计算机视觉分析能力的提升，利用深度学习的高层次特征提取能力进行高分辨率遥感影像分类任务成为一种高效可行的方案。目前，主流的利用深度学习进行高分辨率遥感影像分类的方法分为两类：一类是端到端的全图分类方法，该方法一般采用的网络架构是全卷积神经网络结...
【技术保护点】
1.一种多级空间上下文特征指导的高分辨率遥感影像分类方法，其特征在于，包括如下步骤：/n步骤1，将原始遥感影像分割成多个对象；/n步骤2，依次读取每个分割后的对象，使用对象的轮廓边界对其进行掩膜处理，位于对象轮廓内部的像素单元值保持不变，落在轮廓外的像素单元值赋值为0，并对每个对象进行类别标注；/n步骤3，将每个对象变形为N*N的图斑，输入到一个由三个卷积层、三个最大池化层和一个金字塔池化层构建的特征提取框架中，提取纹理和几何特征；/n步骤4，计算图斑的形变特征，形变指数的计算方法如公式(1)和公式(2)所示；/n
【技术特征摘要】
1.一种多级空间上下文特征指导的高分辨率遥感影像分类方法，其特征在于，包括如下步骤：
步骤1，将原始遥感影像分割成多个对象；
步骤2，依次读取每个分割后的对象，使用对象的轮廓边界对其进行掩膜处理，位于对象轮廓内部的像素单元值保持不变，落在轮廓外的像素单元值赋值为0，并对每个对象进行类别标注；
步骤3，将每个对象变形为N*N的图斑，输入到一个由三个卷积层、三个最大池化层和一个金字塔池化层构建的特征提取框架中，提取纹理和几何特征；
步骤4，计算图斑的形变特征，形变指数的计算方法如公式(1)和公式(2)所示；
其中，Indexw是图斑在长度上的形变指数，计算方法为变形后的图斑长度w0除以变形前图斑长度w1，Indexl为图斑在宽度上的形变指数，计算方法为变形后的图斑宽度l0除以变形前图斑宽度l1；
步骤5，取每个图斑的最小外接矩形框，将该矩形框长和宽扩大S倍，然后以这个外接矩形框裁剪周围的上下文图斑，输入到一个对象级别上下文特征提取器中，得到图斑的空间上下文特征，对象级别上下文特征提取器包括三个卷积层、三个最大池化层和一个金字塔池化层；
步骤6，将提取到的纹理和几何特征、形变特征以及空间上下文特征进行拼接，输入到一个由若干个全连接层和Softmax分类层组成的多层感知机分类器中进行训练，从而得到一个多特征融合的对象分类器；
步骤7，提取将待分类遥感影像的纹理和几何特征、形变特征以及空间上下文特征，拼接后输入到多特征融合的对象分类器中，得到对象级别分类结果图，最后使用条件随机场对该分类图进行后处理，得到像素级空间上下文指导的级别分类。
2.如权利要求1所述的一种多级空间上下文特征指导的高分辨率遥感影像分类方法，其特征在于：步骤3中特征提取框架的具体结构包括：1)32个大小为3*3的卷积核，紧跟一个relu激活层；2)步长为2的最大池化层；3)64个大小为3*3的卷积层，紧跟一个relu激活层；4)步长为2的最大池化层；5)64个大小为3*3的卷积层，紧跟一个relu激活层；6)步长为2的最大池化层；7)一个三层的金字塔池化层。
3.如权利要求1所述的一种多级空间上下文特征指导的高分辨率遥感影像分类方法，其特征在于：步骤5中对象级别上下文特征提取器的具体结构包括，1)32个大小为3*3的卷积核，...
【专利技术属性】
技术研发人员：乐鹏，张晨晓，姜良存，张明达，梁哲恒，章小明，刘小芬，徐昀鹏，姜福泉，马焱，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42
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。