基于Dual-ResNet小样本学习的遥感影像场景精确分类方法技术

本发明专利技术公开了一种基于Dual‑ResNet小样本学习的遥感影像场景精确分类方法，首先，对同时输入的两幅遥感场景图像X1和X2，采用ResNet‑18对其进行特征提取分别得到特征Gw(X1)和Gw(X2)，两个ResNet‑18在训练过程中共享权重。其次，计算两个ResNet‑18网络提取特征之间的距离，然后，通过将该组特征之间的距离与预设定的阈值相比较得到预测的类别标签，最后输出预测的类别标签。本发明专利技术利用Dual‑ResNet同时对输入的两幅遥感图像进行训练，分别学习得到的两幅图像之间的特征距离，与普通的深度学习相比，这种方法能够在学习图像特征的同时减小类内距离并增大类间距离，改进了深度学习对数据量大小的依赖性，该发明专利技术对于小样本数据量的遥感图像场景分类具有很好的效果。

【技术实现步骤摘要】
基于Dual-ResNet小样本学习的遥感影像场景精确分类方法
本专利技术属于图像处理领域，尤其涉及一种基于Dual-ResNet小样本学习的遥感影像场景精确分类方法。
技术介绍
遥感图像场景分类是图像处理领域的一个研究热点，也是计算机视觉中的一个极具挑战的任务，随着遥感影像技术的快速发展，光学遥感影像数据量获得快速增长，遥感图像包含的信息非常丰富,如空间信息、纹理信息、地物的几何结构信息等。影像中的地物目标具有同类差异大和部分类间相似度高的特点，因而如何有效地自动对遥感图像场景进行分类识别已经吸引了众多研究者的关注。随着各种深度卷积神经网络模型的发展，遥感图像的场景分类方法也从传统的手工特征提取逐渐向深度学习不断过渡。然而当下的深度学习的性能在很大程度上受到数据驱动的影响，但是否能获取到大量的数据以及高额的人工标注成本都是一个很大的问题，所以在有限的数据中实现一个任务的精确识别是很重要的。在对测试实例进行预测之前，通过只观察每个可能类的一个或少许几个示例来学习这些类间的差异和类内的共性，这种技术被称为小样本学习。<br>公开号为CN1本文档来自技高网...

【技术保护点】
1.一种基于Dual-ResNet小样本学习的遥感影像场景精确分类方法，其特征在于：该方法包括以下步骤：/n(1)构建遥感场景图像样本数据集，并制作相应的样本类别标签集合，将遥感场景图像样本数据集分为训练集Train和测试集Test；/n(2)构建ResNet-18卷积神经网络，将训练集中任意两张图像X1,X2输入该神经网络，得到两张图像的特征向量Gw(X1)和Gw(X2)；X1,X2的类别标签为Label

【技术特征摘要】
1.一种基于Dual-ResNet小样本学习的遥感影像场景精确分类方法，其特征在于：该方法包括以下步骤：
(1)构建遥感场景图像样本数据集，并制作相应的样本类别标签集合，将遥感场景图像样本数据集分为训练集Train和测试集Test；
(2)构建ResNet-18卷积神经网络，将训练集中任意两张图像X1,X2输入该神经网络，得到两张图像的特征向量Gw(X1)和Gw(X2)；X1,X2的类别标签为Label1,Label2；
(3)计算两个特征向量Gw(X1)和Gw(X2)之间的距离；将该组特征之间的距离与训练的样本已知标签Label1,Label2的关系构建一个对比损失函数；
(4)设定训练次数，输入训练集图像至卷积神经网络，通过最小化对比损失函数训练网络，更新网络参数，直到参数取值收敛；收敛条件为对比损失函数的值较前一次训练计算的值不再减小；
(5)将测试集输入到训练好的卷积神经网络，得到测试集中每张图像的特征向量；将该特征向量分别与训练集中每个类别的任一张图像的特征向量进行距离计算；
(6)将步骤(5)中计算的各距离与预设阈值进行比较，若距离值小于或等于预设阈值，该距离对应的训练集图像所属的类别作为相应的测试集图像的预测类别。


2.根据权利要求1所述的一种基于Dual-ResNet小样本学习的遥感影像场景精确分类方法，其特征在于：所述步骤(1)中，构建样本集合以及集合分类方法如下：
(1.1)构建遥感场景图像样本数据集Image＝[Image1,…,Imagei,…,ImageN]，并制作相应的样本标签Label＝[Label1,…,Labeli,…,LabelN]，其中N表示N类遥感场景图像，Imagei为第i类遥感场景图像的集合，Labeli为第i类遥感场景图像的标签；
(1.2)将数据集分为训练集Train和测试集Test，针对数据集中每类遥感影像，设其样本总数为n，从中随机抽取m张图像构建训练集，其余n-m张图像构建测试集，则有Train＝[Train1,…,Traini,…,TrainN],Test＝[Test1,…,Testi,…,TestN]；其中Traini为第i类遥感影像的训练集合，包括m张图像；Testi为第i类遥感影像的测试集合，包括n-m张图像。


3.根据权利要求1所述的一种基于Dual-ResNet小样本学习的遥感影像场景精确分类方法，其特征在于：所述步骤(2)中，ResNet-18卷积神经网络结构如下：
(2.1)在输入层中，将每一个遥感场景图像归一化为224×224大小；
(2.2)在第一层的卷积层中，定义64个尺寸为7×7的卷积核，设定步长为2，填充模式设置为SAME，激活函数设置为Relu；
(2.3)在第二层的池化层中，池化方法设为MAXpooling；
(2.4)在第三、四、五、六层的卷积层中，均分别定义64个尺寸为3×3的卷积核，设定步长为1，填充模式设置为SAME，激活函数设置为Relu；
(2.5)在...

【专利技术属性】
技术研发人员：王鑫，段林，张之露，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32