一种遥感图像分类方法、存储介质及计算设备技术

本发明专利技术公开了一种遥感图像分类方法、存储介质及计算设备，创建遥感图像集，对遥感图像集进行标准化处理，得到训练样本集和测试样本集；设置多尺度特征提取模块，通过在两个并行的卷积模块中设置不同的空洞卷积，生成两个尺度的特征图；设置自适应特征融合模块，自适应特征融合模块能够自适应的选择生成的两个不同尺度的特征中的有用信息并进行融合；搭建整个神经网络模型；使用训练样本集对整个神经网络模型进行迭代训练；在测试样本中随机选择样本作为位置类别样本，利用训练好的神经网络对对需要预测的未知样本进行分类。本发明专利技术减少冗余信息，更灵活的选择多尺度特征，提升网络的稳定性，进而提升网络模型的分类能力。

【技术实现步骤摘要】
一种遥感图像分类方法、存储介质及计算设备
本专利技术属于图像处理
，具体涉及一种基于双支路深度多尺度网络的遥感图像分类方法、存储介质及计算设备。
技术介绍
遥感图像场景分类是一项基本的遥感图像处理任务，在军事和民用领域都有广泛的应用。近几年遥感技术发展发展迅速，所捕获到的遥感图像拥有高分辨率，结构复杂的特点。传统的遥感图像处理方法难以捕捉到复杂图像中的语义信息，所以在当前高质量图像的分类任务上表现不佳。近几年，深度学习发展迅速，并且已经在图像处理领域取得了很好地效果。得益于卷及操作和层级结构，深度学习方法不仅可以提取诸如颜色，纹理这种图像的浅层特征，还可以有效地提取图像中的深层语义特征，比如图像中的目标。然而当前的卷积神经网络模型有一定的局限性，由于一般的模型都只有固定的感受野，难以提取多尺度特征，在面对图像中目标大小变化时，模型往往难以充分捕捉到目标的信息。通过使用不同感受野的卷积核可以使模型能够提取多尺度特征，进而捕捉到不同大小的目标，更灵活的发挥卷积神经网络的优势。因此，如何在卷积神经网络中引入多尺度特征，并且灵活运用多尺度本文档来自技高网...

【技术保护点】
1.一种遥感图像分类方法，其特征在于，包括以下步骤：/nS1、创建遥感图像集，对遥感图像集进行标准化处理，得到训练样本集和测试样本集；/nS2、设置多尺度特征提取模块，包括两个并行的卷积模块，通过在两个并行的卷积模块中设置不同的空洞卷积，提取出不同尺度的信息，生成两个尺度的特征图；/nS3、设置自适应特征融合模块，包括全局池化构成的压缩操作，两个全连接层以及softmax函数构成的激活操作，自适应特征融合模块能够自适应的选择步骤S2中生成的两个不同尺度的特征中的有用信息并进行融合；/nS4、搭建整个神经网络模型，以步骤S3中融合得到的包含多尺度信息的卷积特征作为输入；/nS5、使用步骤S1中所...

【技术特征摘要】
1.一种遥感图像分类方法，其特征在于，包括以下步骤：
S1、创建遥感图像集，对遥感图像集进行标准化处理，得到训练样本集和测试样本集；
S2、设置多尺度特征提取模块，包括两个并行的卷积模块，通过在两个并行的卷积模块中设置不同的空洞卷积，提取出不同尺度的信息，生成两个尺度的特征图；
S3、设置自适应特征融合模块，包括全局池化构成的压缩操作，两个全连接层以及softmax函数构成的激活操作，自适应特征融合模块能够自适应的选择步骤S2中生成的两个不同尺度的特征中的有用信息并进行融合；
S4、搭建整个神经网络模型，以步骤S3中融合得到的包含多尺度信息的卷积特征作为输入；
S5、使用步骤S1中所得到的训练样本集对步骤S4整个神经网络模型进行迭代训练；
S6、在测试样本中随机选择样本作为位置类别样本，利用步骤S5训练好的神经网络对对需要预测的未知样本进行分类。


2.根据权利要求1所述的遥感图像分类方法存储介质及计算设备，其特征在于，步骤S1具体为：
S101、获取UC_Merced图像，建立遥感图像样本集I＝{I1,I2,…Ii…,IN}，并根据每个样本对应的标签建立对应的样本标签集L＝{L1,L2,…Li…,LN}，标签集中的标签Li对应样本集中样本Ii的类别，Ii表示样本集中的第i个样本，i∈[0,N]，N表示样本集中总的样本个数；
S102、对样本集中的样本进行min-max归一化处理；
S103、将归一化之后的数据集分为训练数据集Train和测试数据集Test，对于每一类样本，将80％作为训练样本集，剩余20％作为测试样本集，得到训练样本集{Train1,Train2,…Trainm…,TrainM}和测试样本集{Test1,Test2,…Testj…,TestJ}，其中，Trainm为训练数据集中的第m个样本，m∈[0,M]，M为训练集中样本的总个数，M＜N；Testj为测试数据集中的第j个样本，j∈[0,J]，J为训练集中样本的总个数，J＜N。


3.根据权利要求1所述的遥感图像分类方法存储介质及计算设备，其特征在于，步骤S2中，两个卷积模块的输入为经过min-max处理后的样本，裁减至224*224*3；输出为两个拥有相同尺寸的特征图，尺寸为112*112*64；卷积模块中有两个串联的卷积层，两个卷积模块参数共享，输出两个包含不同尺度信息的特征图Oa和Ob。


4.根据权利要求3所述的遥感图像分类方法存储介质及计算设备，其特征在于，第一个卷积块conva，layera.1使用3*3的卷积核，步长为1，layera.2也使用3*3的卷积核，步长为2，其空洞率设置为1，输出特征图Oa的尺寸为112*112*64；
第一个卷积块convb，layerb.1使用3*3的卷积核，步长为1，layerb.2也使用3*3的卷积核，步长为2，其空洞率设置为2，输出特征图Ob的尺寸为112*112*64。


5.根据权利要求1所述的遥感图像分类方法存储介质及计算设备，其特征在于，步骤S3具体为：
S301、将两个尺寸为W×H×C的特征图Oa和Ob相加得到总的特征图O，特征图O的尺寸为W×H×C，...

【专利技术属性】
技术研发人员：李玲玲，梁普江，孙宸，马晶晶，焦李成，刘芳，郭晓惠，刘旭，张丹，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61