基于模型的遥感图像分类方法、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一种基于模型的遥感图像分类方法、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分类，获得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包括：在预设卷积神经网络中的各层中添加注意力模块后的提取层、平均池化层以及线性分类层。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分类，通过增加注意力模块的提取层有效过滤无用信息并聚焦于关键场景区域，然后通过平均池化层降维，再通过线性分类层对待分类遥感图像进行分类，相较于现有的通过卷积神经网络进行遥感图像场景分类，上述方式能够增强特征的判别能力，从而能够对遥感图像进行精确分类。图像进行精确分类。图像进行精确分类。

【技术实现步骤摘要】
基于模型的遥感图像分类方法、装置、设备及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种基于模型的遥感图像分类方法、装置、设备及存储介质。

技术介绍

[0002]近年来，遥感技术发展迅速，随着遥感图像质量的提高，遥感图像在很多重要的图像解读任务中呈现出巨大的潜力，如场景分类、物体检测和语义分割等。遥感影像场景分类旨在根据遥感影像的内容，为遥感图像的局部区域自动分配高层次的语义标签(如学校、停车场和火车站)，以实现场景级分类。在深度神经网络强大的特征学习能力的推动下，卷积神经网络(CNN)已成功应用于遥感图像场景分类，并表现出显著的性能。CNN通过学习大量的训练样本产生图像的特征表示，得到的深层特征是对遥感场景内容的高级抽象，这使得卷积网络更适合于场景级分类。然而，由于遥感图像裁剪复杂，标注困难，研究人员很难获得大规模的遥感影像数据集，与流行的深度学习框架中使用的基准数据集相比，可用的遥感图像数据非常有限，这极大地限制了深度学习模型在遥感图像分析中的性能。因此，如何对遥感图像进行精确分类，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基于模型的遥感图像分类方法、装置、设备及存储介质，旨在解决对遥感图像进行精确分类的技术问题。
[0005]为实现上述目的，本专利技术提供了一种基于模型的遥感图像分类方法，所述基于模型的遥感图像分类方法包括以下步骤：
[0006]获取待分类遥感图像；
[0007]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包括：在预设卷积神经网络中的各层中添加注意力模块后的提取层、平均池化层以及线性分类层。
[0008]可选地，所述获取待分类遥感图像的步骤之前，还包括：
[0009]获取遥感图像训练集；
[0010]根据所述遥感图像训练集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。
[0011]可选地，所述初始遥感图像场景分类模型包括：在预设卷积神经网络中的各层中添加注意力模块后的提取层、平均池化层以及线性分类层；
[0012]所述根据所述遥感图像训练集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：
[0013]将所述遥感图像训练集输入至所述提取层中进行特征提取，获得提取后的图像训
练集；
[0014]将所述图像训练集输入至所述平均池化层中进行向量提取，获得特征向量；
[0015]将所述特征向量输入至所述线性分类层中进行分类，获得所述初始遥感图像场景分类模型对应的当前迭代次数；
[0016]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。
[0017]可选地，所述将所述遥感图像训练集输入至所述提取层中进行特征提取，获得提取后的图像训练集的步骤，具体包括：
[0018]将所述遥感图像训练集中的各遥感图像输入至全局平均池中，获得所述遥感图像对应的多个通道；
[0019]对各通道进行跨通道处理，获得处理后的通道；
[0020]根据所述处理后的通道进行特征提取，获得提取后的图像训练集。
[0021]可选地，所述对各通道进行跨通道处理，获得处理后的通道的步骤，具体包括：
[0022]根据所述遥感图像对应的多个通道确定初始通道数；
[0023]根据所述初始通道数确定跨通道数；
[0024]根据所述跨通道数对各通道进行跨通道处理，获得处理后的通道。
[0025]可选地，所述根据所述处理后的通道进行特征提取，获得提取后的图像训练集的步骤，具体包括：
[0026]根据所述处理后的通道确定通道权重；
[0027]根据所述通道权重和所述遥感图像训练集中的各遥感图像确定特征分布情况；
[0028]根据所述特征分布情况进行特征提取，获得提取后的图像训练集。
[0029]可选地，所述提取层包括：多个子提取层；
[0030]所述将所述遥感图像训练集输入至所述提取层中进行特征提取，获得提取后的图像训练集的步骤，具体包括：
[0031]将所述遥感图像训练集依次输入至各子提取层中进行特征提取，获得提取后的图像训练集。
[0032]此外，为实现上述目的，本专利技术还提供一种基于模型的遥感图像分类装置，所述基于模型的遥感图像分类装置包括：
[0033]遥感图像获取模块，用于获取待分类遥感图像；
[0034]遥感图像分类模块，用于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包括：在预设卷积神经网络中的各层中添加注意力模块后的提取层、平均池化层以及线性分类层。
[0035]此外，为实现上述目的，本专利技术还提出一种基于模型的遥感图像分类设备，所述基于模型的遥感图像分类设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于模型的遥感图像分类程序，所述基于模型的遥感图像分类程序配置为实现如上文所述的基于模型的遥感图像分类方法的步骤。
[0036]此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有基于模型的遥感图像分类程序，所述基于模型的遥感图像分类程序被处理器执行时实现如上文所述的基于模型的遥感图像分类方法的步骤。
[0037]本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
遥感图像进行分类，获得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包括：在预设卷积神经网络中的各层中添加注意力模块后的提取层、平均池化层以及线性分类层。本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分类，通过增加注意力模块的提取层有效过滤无用信息并聚焦于关键场景区域，然后通过平均池化层提取特征，再通过线性分类层对待分类遥感图像进行分类，相较于现有的通过卷积神经网络进行遥感图像场景分类，本专利技术上述方式能够增强特征的判别能力，从而能够对遥感图像进行精确分类。
附图说明
[0038]图1是本专利技术实施例方案涉及的硬件运行环境的基于模型的遥感图像分类设备的结构示意图；
[0039]图2为本专利技术基于模型的遥感图像分类方法第一实施例的流程示意图；
[0040]图3为本专利技术基于模型的遥感图像分类方法第二实施例的流程示意图；
[0041]图4为本专利技术注意力模块的结构示意图；
[0042]图5为本专利技术基于模型的遥感图像分类装置第一实施例的结构框图。
[0043]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0044]应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模型的遥感图像分类方法，其特征在于，所述方法包括以下步骤：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包括：在预设卷积神经网络中的各层中添加注意力模块后的提取层、平均池化层以及线性分类层。2.如权利要求1所述的基于模型的遥感图像分类方法，其特征在于，所述获取待分类遥感图像的步骤之前，还包括：获取遥感图像训练集；根据所述遥感图像训练集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。3.如权利要求2所述的基于模型的遥感图像分类方法，其特征在于，所述初始遥感图像场景分类模型包括：在预设卷积神经网络中的各层中添加注意力模块后的提取层、平均池化层以及线性分类层；所述根据所述遥感图像训练集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：将所述遥感图像训练集输入至所述提取层中进行特征提取，获得提取后的图像训练集；将所述图像训练集输入至所述平均池化层中进行数据降维，获得降维后的图像训练集；将所述降维后的图像训练集输入至所述线性分类层中进行分类，获得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所述的基于模型的遥感图像分类方法，其特征在于，所述将所述遥感图像训练集输入至所述提取层中进行特征提取，获得提取后的图像训练集的步骤，具体包括：将所述遥感图像训练集中的各遥感图像输入至全局平均池中，获得所述遥感图像对应的多个通道；对各通道进行跨通道处理，获得处理后的通道；根据所述处理后的通道进行特征提取，获得提取后的图像训练集。5.如权利要求4所述的基于模型的遥感图像分类方法，其特征在于，所述对各通道进行跨通道处理，获得处理后...

【专利技术属性】
技术研发人员：郑禄，于舒，李子茂，帖军，沈祥成，罗治情，马海荣，陈娉婷，秦锦添，
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：