一种双流编解码的滨海湿地高清遥感影像地物识别方法技术

本发明专利技术公开了一种双流编解码的滨海湿地高清遥感影像地物识别方法，将密集连接的空洞卷积网络与图卷积神经网络的特征提取过程相结合形成双流混合卷积神经网络编码模型，以提取滨海湿地遥感影像地物的表征特征信息，进一步使用解码网络，依据双流提取的特征信息，解码预测准确而精细的滨海湿地影像地物识别类型。本发明专利技术首先对滨海湿地遥感影像数据进行归一化、数据增强、裁剪等预处理操作；进而将预处理后的数据输入双流混合卷积神经网络编码模型中进行特征提取、模型训练；最后将数据集中待分割的测试样本输入训练好的模型，采用该模型对滨海湿地遥感影像达到精确地物识别的目的。的。的。

【技术实现步骤摘要】
一种双流编解码的滨海湿地高清遥感影像地物识别方法


[0001]本专利技术涉及地物类型识别领域，具体为基于编解码的双流混合卷积神经网络的滨海湿地遥感影像地物识别方法。

技术介绍

[0002]湿地作为地球表面最重要的生态系统之一，有“地球之肾”美称。滨海湿地面积范围广，内部不可及，传统人工地面调查耗时耗力，难以满足及时获取湿地覆被信息的需求，而遥感技术具有观测面积大、周期短以及成本低等优点，为动态提取湿地信息提供帮助。目前，滨海湿地遥感影像地物识别是遥感领域中研究的热点问题。如何把海量的遥感影像进行快速分类是加快遥感图像利用率的关键所在。近年来，基于图(Graph)的卷积结构研究取得了一定进展，在具有不同数量邻接节点的子图之间维持卷积的共享权重是卷积网络在网络数据取得成果的重要性。当前的图卷积神经网络只能提取相邻节点间的关联信息，而对覆被边界学习能力不足。同时，对遥感影像而言，传统深度学习建模方法往往囿于欧几里得空间域的空间
‑
频谱信息学习能力不足且计算复杂度高。因此，本专利技术根据不同网络结构特点，提供了一种基于编解码的双流混合本文档来自技高网...

【技术保护点】

【技术特征摘要】
map）。5.根据权利要求3所述的一种双流编解码的滨海湿地高清遥感影像地物识别方法，其特征在于：步骤3，将不同编码器提取的特征信息，然后依据不同解码器，进行特征解码操作，获得具有丰富语义信息的融合特征，具体为，步骤3.1：利用反卷积操作进行逐像素复原，接着使用批量归一化操作，归一化得到复原后的128
×
128特征图谱；步骤3.2：将步骤2.3得...

【专利技术属性】
技术研发人员：何爽，卢霞，王倪传，
申请(专利权)人：江苏海洋大学，
类型：发明
国别省市：