基于综合特征表示的遥感图像场景分类方法技术

本发明专利技术公开了基于综合特征表示的遥感图像场景分类方法，包括以下步骤：从遥感影像图像数据中获取图像原始特征；采用离散傅里叶变换获取影像图像数据的频率特征；融合图像原始特征和频率特征，获得综合特征表示；构建基于综合特征表示的遥感图像场景分类模型，并进行模型训练；采用训练后的遥感图像场景分类模型进行遥感图像场景分类。本发明专利技术综合利用遥感图像的原始特征和衍生的频率特征，实现更加高效精准的场景分类能力；设计了结合残差模块的卷积神经网络，同时在三层LSTM中分别加入注意力机制层，使得综合特征表示的利用更加全面。使得综合特征表示的利用更加全面。使得综合特征表示的利用更加全面。

【技术实现步骤摘要】
基于综合特征表示的遥感图像场景分类方法


[0001]本专利技术属于遥感图像场景分类
，尤其涉及基于综合特征表示的遥感图像场景分类方法。

技术介绍

[0002]目前，图像分类和识别主要任务是学习和判断图像中是否包含某种特定的目标内容(物体或者场景等)，并依据其内容信息进行多类单标签或者多类多标签的分类和识别。该技术已经在科技研究、工业和经济发展、国家安全和日常生活等得到了一定的发展和应用，并起着至关重要的作用。比如，在人机交互、生物医学工程、航天航空技术、公安司法以及文化艺术等领域的实际应用，极大的改变了现代人们工作和生活的方式，同时也促进了人类社会的进步。
[0003]目前，图像分类识别技术研究正向着高级语义理解和现实生活领域应用的方向不断扩展。而图像分类识别技术研究离不开图像或者视频数据，获取大量有效的图像数据集变得尤为重要。由于图像数据信息含有丰富的语义信息，探索图像特征表示和分类方法对图像的分类识别特别关键。
[0004]图像分类识别是基于机器学习算法的分类器学习提取到的特征信息描述，从而获得区分目标类别的能力；一般本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于综合特征表示的遥感图像场景分类方法，其特征在于，包括以下步骤：从遥感影像图像数据中获取图像原始特征；采用离散傅里叶变换获取影像图像数据的频率特征；融合图像原始特征和频率特征，获得综合特征表示；构建基于综合特征表示的遥感图像场景分类模型，并进行模型训练；采用训练后的遥感图像场景分类模型进行遥感图像场景分类；所述的遥感图像场景分类模型包括结合残差模块的卷积神经网络和融合注意力机制的LSTM网络，所述的结合残差模块的卷积神经网络包括第一卷积层、第二卷积层、第三卷积层、Leaky Relu层和池化层，各层按序串联之后与残差模块并联，所述的融合注意力机制的LSTM网络包括第一LSTM层、第二LSTM层和第三LSTM层，三层LSTM层按序串联，三层LSTM层分别输出至第一注意力层、第二注意力层和第三注意力层，三层注意力层融合成遥感图像特征编码，将所述的特征编码输入softmax层进行分类；所述的结合残差模块的卷积神经网络的输入为所述的综合特征表示，其输出为所述的融合注意力机制的LSTM网络的输入，即为第一LSTM层的输入。2.根据权利要求1所述的基于综合特征表示的遥感图像场景分类方法，其特征在于，所述的采用离散傅里叶变换将获取影像图像数据的频率特征包括...

【专利技术属性】
技术研发人员：刘聆，彭波，曹丹，
申请(专利权)人：长沙一扬电子科技有限公司，
类型：发明
国别省市：