【技术实现步骤摘要】
基于高分辨率遥感图像多特征的识别方法
本专利技术涉及遥感图像处理领域,具体涉及一种基于高分辨率遥感图像多特征的识别方法。
技术介绍
遥感图像识别是遥感研究领域中的一个基本问题,通过对地物的光谱、纹理等特征信息,对不同的地物进行识别,实现了对图像中的每一个像元进行真实地物标签分类的过程。随着遥感技术的不断发展,高分辨率遥感图像在各个领域使用得越来越频繁,对遥感图像分类技术的要求越来越高。但是随着遥感图像分辨率的提高,不同地物类型的光谱有相互重叠部分,“同物异谱、异物同谱”的现象比较严重,严重制约了高分辨率遥感图像的解译精度。虽然高分辨率遥感图像可以提供丰富的地物信息,但是数据量巨大,传统的遥感处理技术没有较好的充分挖掘其地物细节信息,产生了“数据丰富,信息贫乏”的现象。因此研究一种更加高效、高精度的高分辨率遥感图像分类方法迫在眉睫。基于深度学习技术的遥感图像识别核心思想就是对目标进行像素级别的分割,对组成不同目标物的像素进行属性的颜色标注。遥感领域的图像识别也是采用这种思想,因此基于深度学习技术的遥感图像识别技术是具有一定的研究价值。高分辨率遥感数据与DSM数据、NDVI数据等对不同地物类型具有不同的区别能力。其中高分辨率遥感数据可以较好地表达地物的空间关系及光谱信息;DSM数据可以对高度信息敏感,对于建筑物、树木等提供辅助的识别信息;NDVI数据可以有效区分植被地物与非植被地物。因此,不同的特征数据在一定程度上可以有助于提取特定的地物信息,所以DSM和NDVI遥感数据对遥感图像识别精度的提高具有一定的帮助作用 ...
【技术保护点】
1.基于高分辨率遥感图像多特征的识别方法,包含以下数据基础:原始高分辨率遥感图像、DSM数据和地表真实标签数据;其特征在于,按以下步骤进行识别:/n1)、对所述原始高分辨率遥感图像进行预处理;通过波段运算来获得NDVI数据的多特征遥感图像;构建包括所述原始高分辨率遥感图像、DSM数据和NDVI数据的六通道遥感图像做为全卷积网络的多特征输入源;/n2)、对步骤1)得到的所述多特征遥感图像、及所述多特征遥感图像对应的所述地表真实标签数据进行数据增强,再随机裁剪构建训练样本集和测试样本集;/n3)、构建多特征全卷积网络模型来提取、融合所述多特征输入源;利用深度残差网络ResNet50提取作为浅层特征的所述多特征输入源,得遥感图像识别结果一:将浅层特征经过上采样输出的一个遥感图像识别结果;和遥感图像识别结果二:利用金字塔池化结构提取ResNet50网络结构特征图的不同尺度的特征信息,将不同尺度特征信息进行融合来获取遥感图像识别结果;/n4)、将步骤2)获得的训练样本集和测试样本集来训练所述多特征全卷积网络模型,通过调整参数,得最优遥感图像识别模型;/n5)、将待预测图像输入所述最优遥感图像识别 ...
【技术特征摘要】
1.基于高分辨率遥感图像多特征的识别方法,包含以下数据基础:原始高分辨率遥感图像、DSM数据和地表真实标签数据;其特征在于,按以下步骤进行识别:
1)、对所述原始高分辨率遥感图像进行预处理;通过波段运算来获得NDVI数据的多特征遥感图像;构建包括所述原始高分辨率遥感图像、DSM数据和NDVI数据的六通道遥感图像做为全卷积网络的多特征输入源;
2)、对步骤1)得到的所述多特征遥感图像、及所述多特征遥感图像对应的所述地表真实标签数据进行数据增强,再随机裁剪构建训练样本集和测试样本集;
3)、构建多特征全卷积网络模型来提取、融合所述多特征输入源;利用深度残差网络ResNet50提取作为浅层特征的所述多特征输入源,得遥感图像识别结果一:将浅层特征经过上采样输出的一个遥感图像识别结果;和遥感图像识别结果二:利用金字塔池化结构提取ResNet50网络结构特征图的不同尺度的特征信息,将不同尺度特征信息进行融合来获取遥感图像识别结果;
4)、将步骤2)获得的训练样本集和测试样本集来训练所述多特征全卷积网络模型,通过调整参数,得最优遥感图像识别模型;
5)、将待预测图像输入所述最优遥感图像识别模型,得到遥感图像识别结果,并将所述遥感图像识别结果用全连接条件随机场进行后处理,纠正错分现象,提高图像的识别精度。
2.根据权利要求1所述的基于高分辨率遥感图像多特征的识别方法,其特征在于,步骤1)预处理的具体过程为:
对原始高分辨率遥感图像近红外波段和红波段进行NDVI指数计算,计算公式如下:
其中,NIR为遥感图像的近红外波段,Red为遥感图像的红波段,所述近红外波段和红波段根据NDVI的计算公式进行波段运算操作,提取遥感图像的NDVI特征图像,NDVI数据值得范围在[-1,1];
然后进行波段叠加,将遥感原始数据、NDVI数据和DSM数据构建为一个包含六个特征的高分辨率遥感数据。
3.根据权利要求1所述的基于高分辨率遥感图像多特征的识别方法,其特征在于,步骤2)具体为:对所述多特征遥感图像及其对应的地表真实标签进行旋转、翻转等数据变换,来提高网络模型的的泛化能力;然后将所述多特征遥感图像及其对应的地表真实标签随机裁剪为256×256像素大小的图片,其中训练数据集为20000张遥感图像和对应的标签图像,测试集5000张遥感图像和对应的标签图像。
4.根据权利要求1所述的基于高分辨率遥感图像多特征的识别方法,其特征在于,步骤3)具体为:
在特征提取阶段,构建R...
【专利技术属性】
技术研发人员:赵生银,安如,李学锡,蒋彤,胡宜娜,黄理军,王本林,朱美如,
申请(专利权)人:河海大学,江苏易图地理信息科技股份有限公司,
类型:发明
国别省市:江苏;32
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。