一种基于多数投票的深度学习城市功能区分类方法技术

城市功能区分类以往研究多基于POI等社会属性数据与其他数据融合，但基于社会属性数据进行功能区分类存在一些不容忽视的问题。本发明专利技术针对上述问题，公开了一种基于多数投票的深度学习城市功能区分类方法，用于稳健准确的从高分辨率遥感影像中对城市功能区进行分类。本发明专利技术的目的通过以下技术步骤实现：步骤1)图像和矢量的预处理。步骤2)为针对深度学习需要大量的样本问题，进行样本制作。步骤3)针对在遥感领域，具体分类任务的海量训练样本的收集十分困难，而且复杂昂贵，构建大规模、高质量的带标注数据集几乎无法实现的问题，基于GoogLeNet进行迁移学习。步骤4)利用分解的方法将大尺寸的图像分割成尺寸较小的单元进行处理。步骤5)利用多数投票策略确定最终分类结果。

【技术实现步骤摘要】
一种基于多数投票的深度学习城市功能区分类方法
本专利技术设计了一种基于多数投票的深度学习城市功能区分类方法，对城市功能区分类取得很好分类效果，能较好地形成城市功能区分类流程，具有较高实用价值，为功能区分类提供了参考依据。
技术介绍
城市功能区(如商业，住宅和工业区)是城市规划的基本单元，含有很强的人文社会属性，往往是城市规划部门十分关注的对象。在以往基于高分辨率遥感城市的研究中，往往侧重于对城市地表覆盖的分类。而对于功能区的分类也通常依赖于POI等社会属性的数据。近期，研究人员尝试从高分辨率卫星图像中自动提取功能区，并取得了很好效果，但基于高分卫星进行城市功能区自动分类工作研究不多。基于高空间分辨率遥感数据的城市功能区分类是指仅使用单一的高空间分辨率遥感数据完成建成区分类。目前尽管相关研究较少，但逐渐成为功能区分类的一个热点分支，其中张修远和杜世宏等做了大量工作。Zhang等(Zhang,etal.,2018)针对城市功能区分类提出了一种新的分割方法——地理场景分割方法，它可以通过考虑其特征和空间模式聚合不同城市物体来识别多尺度的功能区本文档来自技高网...

【技术保护点】
1.一种基于多数投票的深度学习城市功能区分类方法，该方法包括如下步骤：/n步骤1)图像和矢量的预处理/n步骤2)为针对深度学习需要大量的样本问题，进行样本制作/n步骤3)针对在遥感领域，具体分类任务的海量训练样本的收集十分困难，而且复杂昂贵，构建大规模、高质量的带标注数据集几乎无法实现的问题，基于GoogLeNet进行迁移学习/n步骤4)利用分解的方法将大尺寸的图像分割成尺寸较小的单元进行处理/n步骤5)利用多数投票策略确定最终分类结果。/n

【技术特征摘要】
1.一种基于多数投票的深度学习城市功能区分类方法，该方法包括如下步骤：
步骤1)图像和矢量的预处理
步骤2)为针对深度学习需要大量的样本问题，进行样本制作
步骤3)针对在遥感领域，具体分类任务的海量训练样本的收集十分困难，而且复杂昂贵，构建大规模、高质量的带标注数据集几乎无法实现的问题，基于GoogLeNet进行迁移学习
步骤4)利用分解的方法将大尺寸的图像分割成尺寸较小的单元进行处理
步骤5)利用多数投票策略确定最终分类结果。


2.如权利要求书1所述的方法，其特征在于，所述步骤3)的具体方法为：
选用GoogLeNet作为城市功能区分类的基本框架，并将全连接层输出类的数量由1000改为6。


3.如权利要求书1所述的方法，其特征在于，所述步骤4)的具体方法为：
a)设置不同采样...

【专利技术属性】
技术研发人员：孟庆岩，孙震辉，赵茂帆，张颖，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：北京;11