遥感图像场景分类方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种遥感图像场景分类方法、装置、设备及存储介质。本发明专利技术通过获取待分类遥感图像，然后通过预设遥感图像场景分类模型对待分类遥感图像进行场景分类，获得待分类遥感图像对应的类别，预设遥感图像场景分类模型基于密集连接卷积网络训练获得。本发明专利技术通过预设遥感图像场景分类模型对待分类遥感图像进行场景分类，并且预设遥感图像场景分类模型基于密集连接卷积网络训练获得，相较于现有的通过深度学习网络进行遥感场景分类，本发明专利技术上述方式能够通过预设遥感场景分类模型进行场景分类，能够对遥感图像场景进行精确分类，并且能够有效地减少了预设遥感场景分类模型主干网络的计算量和参数量，从而提高网络的运算效率。率。率。

【技术实现步骤摘要】
遥感图像场景分类方法、装置、设备及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种遥感图像场景分类方法、装置、设备及存储介质。

技术介绍

[0002]随着遥感技术水平的不断提高，卫星的空间和时间分辨率、重访率及精度稳步提升，遥感卫星功能日趋强大。传统的方法是通过深度学习网络来进行遥感场景分类研究，但针对遥感图像类内差异大，类间相似度高等问题，上述方法对遥感图像关键信息的提取还不够准确。同时，随着网络层数的增加，网络计算量随之增加，网络变得更难训练。因此，如何对遥感图像场景进行精确分类的同时提高场景分类的效率，成为一个亟待解决的问题。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0004]本专利技术的主要目的在于提供了一种遥感图像场景分类方法、装置、设备及存储介质，旨在解决如何对遥感图像场景进行精确分类的同时提高场景分类的效率的技术问题。
[0005]为实现上述目的，本专利技术提供了一种遥感图像场景分类方法，所述遥感图像场景分类方法包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感图像场景分类方法，其特征在于，所述遥感图像场景分类方法包括以下步骤：获取待分类遥感图像；通过预设遥感图像场景分类模型对所述待分类遥感图像进行场景分类，获得所述待分类遥感图像对应的类别，所述预设遥感图像场景分类模型基于密集连接卷积网络训练获得。2.如权利要求1所述的遥感图像场景分类方法，其特征在于，所述获取待分类遥感图像的步骤之前，还包括：对初始遥感图像场景分类模型进行训练，获得预设遥感图像场景分类模型，所述初始遥感图像场景分类模型包括：第一加权池化层、第一瓶颈层、第二加权池化层、Ghost瓶颈层、第二瓶颈层、第三瓶颈层以及第三加权池化层。3.如权利要求2所述的遥感图像场景分类方法，其特征在于，所述对初始遥感图像场景分类模型进行训练，获得预设遥感图像场景分类模型的步骤，具体包括：获取遥感图像训练集；将所述遥感图像训练集输入至所述第一加权池化层中进行加权处理，获得第一加权后的特征图；将所述第一加权后的特征图输入至所述第一瓶颈层中进行卷积，获得第一卷积后的特征图；将所述第一卷积后的特征图输入至所述第二加权池化层中进行加权处理，获得第二加权后的特征图；将所述第二加权后的特征图输入至所述Ghost瓶颈层中进行卷积，获得第二卷积后的特征图；将所述第二卷积后的特征图依次输入至所述第二瓶颈层、所述第三瓶颈层以及所述第三加权池化层中，并获取所述初始遥感图像场景分类模型对应的当前迭代次数；在所述当前迭代次数大于预设迭代次数时，获得预设遥感图像场景分类模型。4.如权利要求3所述的遥感图像场景分类方法，其特征在于，所述将所述遥感图像训练集输入至所述第一加权池化层中进行加权处理，获得第一加权后的特征图的步骤，具体包括：将所述遥感图像训练集输入至所述第一加权池化层中，获得所述遥感图像训练集中的各遥感图像对应的权重；将所述权重进行累积，获得第一加权后的特征图。5.如权利要求4所述的遥感图像场景分类方法，其特征在于，所述将所述遥感图像训练集输入至所述第一加权池化层中，获得所述遥感图像训练集中的各遥感图像对应的权重的步骤，具体包括：将所述遥感图像训练集输入至所述第一加权池化层中，并通过第一预设公式确定所述遥感图像训练集中的各遥感图像对应的权重，所述第一预设公式为：式...

【专利技术属性】
技术研发人员：郑禄，彭丹，帖军，宋中山，沈祥成，罗治情，郑明雪，刘振宇，龙吕佳，
申请(专利权)人：湖北省农业科学院农业经济技术研究所湖北省农业科学院农业规划设计研究所，
类型：发明
国别省市：