【技术实现步骤摘要】
一种基于卷积神经网络的遥感图像分类方法
本专利技术属于视频图像处理领域，涉及一种基于卷积神经网络的遥感图像分类方法。
技术介绍
遥感卫星的传感器具有观测范围广、成本低的优点。随着传感器技术的快速发展，遥感数据包含越来越多的信息且每天都能被获取，这些数据已经被用于各种任务中。火灾是一种常见的自然灾害，会对人类的安全和财产造成极大的危害，对火灾的检测和报警具有十分重要的意义。随着遥感技术的可用性和能力的不断提高，火灾监测和探测取得了重大进展。当发生火灾时，卫星会捕捉火灾产生的烟雾。人们把遥感图像中的烟雾当作火灾发生的信号。然而，烟的形状和颜色受到天气和地形等几个因素的影响。遥感数据中的一些场景，如云、霾，与烟雾非常相似，这也会增加烟雾识别的难度。因此，在遥感影像中正确区分不同场景具有重要意义。分类技术能够识别不同的场景并被广泛的研究。在以前人们从图像中提取低层特征进行场景分类，所谓的低层次特征包括颜色、纹理等。但是，这些方法在区分烟、灰尘、雾霾、云这些颜色与纹理等都很相近的场景时可能并不适用。近年来，随着深度学习的发展，...
【技术保护点】
1.一种卷积神经网络，其特征在于，主要包括三个模块：主干网络模块，多尺度融合模块和分类头模块，其中主干网络模块利用带有注意力机制的残差模块把输入神经网络的RGB遥感图像变为4种分辨率的特征图，其中四组分辨率的特征图尺度分别为尺度1：(N×64×56×56)，尺度2：(N×128×28×28)，尺度3：(N×256×14×14)，尺度4：(N×512×7×7)，这四组特征图将被作为输入送到多尺度融合模块中；多尺度融合模块让主干网络产生的特征图之间进行多尺度融合，高分辨率的特征图被下采样至低分辨率特征图的尺寸，例如尺度1中56×56的特征图将被分别下采样至28×28,14×14...
【技术特征摘要】
1.一种卷积神经网络，其特征在于，主要包括三个模块：主干网络模块，多尺度融合模块和分类头模块，其中主干网络模块利用带有注意力机制的残差模块把输入神经网络的RGB遥感图像变为4种分辨率的特征图，其中四组分辨率的特征图尺度分别为尺度1：(N×64×56×56)，尺度2：(N×128×28×28)，尺度3：(N×256×14×14)，尺度4：(N×512×7×7)，这四组特征图将被作为输入送到多尺度融合模块中；多尺度融合模块让主干网络产生的特征图之间进行多尺度融合，高分辨率的特征图被下采样至低分辨率特征图的尺寸，例如尺度1中56×56的特征图将被分别下采样至28×28,14×14,7×7的分辨率，并和相应分辨率的输入特征图相加，低分辨率的特征图将被上采样至高分辨特征图的分辨率并和相应的输入特征图相加，这样可以进一步提取、综合不同分辨率特征图中的语义信息，有助于网络进行分类任务，多尺度融合模块的输出仍是四组不同分辨率的特征图，这些特征图将被作为输入送进分类头模块当中；在分类头模块中，高分辨率的特征图被下采样至最低分辨率的特征图，同时进一步对特征图里的语义信息进行提取，然后将最低分辨率的特征图送入池化层与分类器中，对图像进行分类，得到分类结果。
2.一种基于卷积神经网络的遥感图像分类方法，其特征在于，该方法包括以下步骤：
步骤1：将遥感数据集按一定比例划分为训练集，验证集和测试集；
步骤2：建立卷积神经网络的主干网络；
步骤3：建立卷积神经网络的多尺度融合模块，并在此模块中引入注意力机制；
步骤4：建立卷积神经网络的分类头模块；
步骤5：加载训练集，对卷积神经网络进行训练；
步骤6：通过步骤5训练的网络，对遥感数据集进行分类。
3.根据权利要求2所述的基于卷积神经网络的遥感图像分类方法，其特征在于，所述步骤1的遥感数据集是一个名叫USTC_SmokeRS的公开数据集，此数据集共包含有6类场景共计6225张RGB图片，这6类场景分别是：烟，灰尘，雾霾，云，陆地和海岸。
4.根据权利要求2所述的基于卷积神经网络的遥感图像分类方法，其特征在于，所述步骤2的主干网络由四堆嵌入了CBAM的残差网络基本块构成，这四堆分别包含5，6，9和5个嵌入CBAM的残差网络基本块，CBAM中包含空间和通道维度的注意力，这些堆叠的基本块是用来产生四种不同分辨率的特征图，这四种分辨率为：56×56,28×28,14×14和7×7。<...
【专利技术属性】
技术研发人员：路小波，陈诗坤，曹毅超，
申请(专利权)人：东南大学，
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。