一种基于弱监督学习的遥感图像地物识别与分类方法和装置制造方法及图纸

本发明专利技术涉及一种基于弱监督学习的遥感图像地物识别与分类方法和装置。该方法包括：读取部分标注的多源遥感图像，构建标注样本数据集和未标注样本数据集；建立标注训练集和标注验证集；建立教师模型和学生模型；对教师模型进行预训练；根据训练完成的教师模型得到未标注数据的预测结果，作为伪标签；读取未标注样本数据集和伪标签，构建伪标注训练集；输入标注训练集、标注验证集和伪标注训练集，进行随机数据增强，对学生模型进行训练；向训练完成的学生模型输入预测数据集，得到地物识别与分类的结果。本发明专利技术使用部分标注的多源遥感图像建立机器学习模型，使用所建立的模型对地物类型进行识别，能够显著提高地物要素识别和分类的准确率。的准确率。的准确率。

【技术实现步骤摘要】
一种基于弱监督学习的遥感图像地物识别与分类方法和装置


[0001]本专利技术涉及地理信息、生态环境科学领域和遥感
，具体来说，涉及一种基于弱监督学习的遥感图像地物识别与分类方法和装置。

技术介绍

[0002]遥感图像的地物识别与分类，主要是利用航空或卫星对地观测得到的图像，通过机器学习模型对图像中每一个像素的所属类别进行识别，进而实现土地类型识别、森林变化监测、道路提取、建筑物检测等，在资源调查、土地管理、城市规划、地形测绘等领域有广泛的应用，对于人类可持续发展具有十分重要的意义。
[0003]目前的遥感图像地物识别与分类方法主要基于监督学习方法，通过使用已标注像素类别的遥感图像训练机器学习模型，并利用训练完成的模型对未标注图像中的每个像素进行分类，实现遥感图像地物识别与分类。监督学习方法需要使用大量的标注数据进行模型训练，而利用人工标注的方法对大量遥感图像进行逐个像素标注需要耗费巨大的人力物力，因此在实际应用场景中能够获得的高质量的标注遥感图像相当缺乏，这使得遥感图像地物识别与分类的准确度难以有效提高，限制了这种方法的广泛应用。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于弱监督学习的遥感图像地物识别与分类方法，其特征在于，包括以下步骤：1)读取部分标注的多源遥感图像，构建标注样本数据集和未标注样本数据集；2)从标注样本数据集建立标注训练集和标注验证集；3)建立教师模型和学生模型；4)输入标注训练集和标注验证集，对教师模型进行预训练，得到训练完成的教师模型；5)向训练完成的教师模型输入未标注样本数据集，得到未标注数据的预测结果，作为伪标签；6)读取未标注样本数据集和伪标签，构建伪标注训练集；7)输入标注训练集、标注验证集和伪标注训练集，进行随机数据增强，对学生模型进行训练；8)将学生模型作为新的教师模型，重复步骤5)到步骤7)；9)向训练完成的学生模型输入预测数据集，得到地物识别与分类的结果。2.根据权利要求1所述的方法，其特征在于，步骤1)所述多源遥感图像包括雷达遥感数据和/或光学遥感数据；所述雷达遥感数据包括合成孔径雷达获取的地面图像；所述光学遥感数据是光学传感器获取的地面图像，包括全色、可见光、近红外、短波红外、热红外中一个或多个不同波长的光谱波段。3.根据权利要求1所述的方法，其特征在于，步骤1)所述部分标注的多源遥感图像是多张输入图像的集合，每张图像X包括多个通道，由对应于同一地理区域范围的雷达遥感图像X1和光学遥感图像X2的通道堆叠而成；将其中的I1张输入图像A进行标注得到对应的标注图像A
’
，每张标注图像包括一个通道，其中的每个像素值代表该像素所对应地理区域范围的类别标签；将输入图像A及其对应的标注图像A
’
作为标注样本数据集，剩下的I2张输入图像B，作为未标注样本数据集。4.根据权利要求3所述的方法，其特征在于，步骤2)所述标注样本数据集中随机抽取n
t
组图像设置为标注训练集，剩下的I1‑
n
t
组图像设置为标注验证集，其中1<n
t
<I1，标注训练集和标注验证集中的图像不重复。5.根据权利要求1所述的方法，其特征在于，步骤3)所述教师模型和学生模型是机器学习模型，其模型结构相同或不同。6.根据权利要求1所述的方法，其特征在于，步骤4)包括：(1)从标注训练集中不重复地随机读取m组图像，使用教师模型计算得到输出结果，并使用标注图像计算目标函数值；(2)根据目标函数值，更新模型参数；(3)重复上述步骤(1)到步骤(2)，每次从标注训练集中不重复地随机读取m组图像，计算输出结果与目标函数值，优化模型参数，直到标注训练集中的全部图像完成一次训练；(4)读取标注验证集，使用教师模型计算得到预测结果，并使用标注图像计算评估指标；(5)重复上述步骤(1)到步骤(4)，读取标注训练集，计算输出结果与目标函数值；优化模型参数；读取标注验证集，计算预测结果与评估指标，直到满足终止条件。所述终止条件为以下至少之一：模型评估指标达到期望、迭代次数大于最大迭代次数。7.根据权利要求6所述的方法，其特征在于，步骤4)...

【专利技术属性】
技术研发人员：李峥，赵江华，王学志，
申请(专利权)人：中国科学院计算机网络信息中心，
类型：发明
国别省市：