一种遥感影像实例分类方法、系统、终端及存储介质技术方案

本发明专利技术提供一种遥感影像实例分类方法、系统、终端及存储介质，均能：获取目标地理区域的高分辨率全色遥感影像及多光谱遥感影像；对获取到的高分辨率全色遥感影像和多光谱遥感影像均进行实例标注，得到标注好的高分辨率全色遥感影像以及标注好的多光谱遥感影像；对标注好的高分辨率全色遥感影像和多光谱遥感影像分别进行图像特征提取，得到全色图像特征图和多光谱图像特征图；对所得到的全色图像特征图和多光谱图像特征图进行特征融合，得到融合特征图；将融合特征图输入分类卷积神经网络进行实例分类。本发明专利技术用于提升遥感影像实例分类效果。

【技术实现步骤摘要】
一种遥感影像实例分类方法、系统、终端及存储介质
本专利技术涉及遥感图像处理
，具体涉及一种遥感影像实例分类方法、系统、终端及存储介质，主要用于地物分类。
技术介绍
近年来，高分辨率遥感影像被广泛应用于智慧城市、拆违拆临、木业林业甚至军工生产方面。其中，遥感图像分类检测，对科学实验、生产生活都具有实际意义。高分辨率遥感影像可以是高分辨率全色图像，也可以是多光谱图像。高分辨率全色图像较多光谱图像来说,分辨率更高，图像更为清晰，目标实例(即目标物)更易识别,但相较于灰度图像来说，全色图像缺少颜色信息。遥感图像的多光谱图像有着丰富的颜色信息但是分辨率较全色图像低。随着深度学习在图像领域的广泛应用，现有遥感影像的分类检测越来越多地采用了卷积神经网络进行特征提取。然而，现有的遥感影像分类检测方法大都是基于单一类遥感影像的分类检测，即仅使用全色图像或仅使用多光谱图像进行分类检测，没有结合两类图像的优点，即没有充分利用全色图像的高空间分辨率以及多光谱图像丰富的光谱信息，效果相对差。而随着遥感图像分类检测在遥感图像处理领域应用价值的提升，如本文档来自技高网...

【技术保护点】
1.一种遥感影像实例分类方法，其特征在于，包括步骤：/nS1：获取目标地理区域的高分辨率全色遥感影像及多光谱遥感影像；/nS2：对获取到的高分辨率全色遥感影像和多光谱遥感影像均进行实例标注，得到标注好的高分辨率全色遥感影像以及标注好的多光谱遥感影像；/nS3：对标注好的高分辨率全色遥感影像进行图像特征提取，得到全色图像特征图；对标注好的多光谱遥感影像进行图像特征提取，得到多光谱图像特征图；/nS4：对所得到的全色图像特征图和多光谱图像特征图进行特征融合，得到融合特征图；/nS5：将所得到的融合特征图，输入分类卷积神经网络进行实例分类。/n

【技术特征摘要】
1.一种遥感影像实例分类方法，其特征在于，包括步骤：
S1：获取目标地理区域的高分辨率全色遥感影像及多光谱遥感影像；
S2：对获取到的高分辨率全色遥感影像和多光谱遥感影像均进行实例标注，得到标注好的高分辨率全色遥感影像以及标注好的多光谱遥感影像；
S3：对标注好的高分辨率全色遥感影像进行图像特征提取，得到全色图像特征图；对标注好的多光谱遥感影像进行图像特征提取，得到多光谱图像特征图；
S4：对所得到的全色图像特征图和多光谱图像特征图进行特征融合，得到融合特征图；
S5：将所得到的融合特征图，输入分类卷积神经网络进行实例分类。


2.根据权利要求1所述的遥感影像实例分类方法，其特征在于，步骤S1实现方法为：
同时采集目标地理区域的高分辨率全色遥感影像和多光谱遥感影像，直至同时采集到的高分辨率全色遥感影像和多光谱遥感影像均符合预设条件；
获取上述同时采集到且均符合预设条件的高分辨率全色遥感影像和多光谱遥感影像，即得到所要获取的目标地理区域的高分辨率全色遥感影像及多光谱遥感影像。


3.根据权利要求1所述的遥感影像实例分类方法，其特征在于，步骤S3包括：
步骤S31：将标注好的高分辨率全色遥感影像及标注好的多光谱遥感影像,裁剪为尺寸相同的预设大小，得到裁剪后的高分辨率全色遥感影像和裁剪后的多光谱遥感影像；
步骤S32：对裁剪后的高分辨率全色遥感影像进行图像特征提取，得到全色图像特征图；对裁剪后的多光谱遥感影像进行图像特征提取，得到多光谱图像特征图。


4.根据权利要求1所述的遥感影像实例分类方法，其特征在于，步骤S4中采用Gram-Schmidt正交化算法进行特征融合。


5.一种遥感影像实例分类系统，其特征在于，包括：
遥感影像采集单元，用于获取目标地理区域的高分辨率全色遥感影像及多光谱遥感影像；
实例标注单元，用于对获取到的高分辨率全色遥感影像和多光谱遥感影像均进行实例标注，得到标注好的高分辨率...

【专利技术属性】
技术研发人员：刘鹍，张忠义，徐涛，卢泽珊，姚金光，孙涛，
申请(专利权)人：济南大学，
类型：发明
国别省市：山东;37