本申请涉及一种地物识别方法、装置、计算机设备和存储介质。所述方法包括：根据初始遥感影像，获取初始遥感影像中各亚像元的同质性信息和异质性信息；根据初始遥感影像，获取初始遥感影像对应的亚像元遥感影像；其中，亚像元遥感影像的分辨率高于初始遥感影像的分辨率；根据亚像元遥感影像、各同质性信息、各异质性信息和预设的定位模型，得到初始遥感影像中各类地物的识别结果。采用本方法能够提高遥感影像中地物识别的准确度。影像中地物识别的准确度。影像中地物识别的准确度。
【技术实现步骤摘要】
地物识别方法、装置、计算机设备和存储介质
[0001]本申请涉及遥感科学
，特别是涉及一种地物识别方法、装置、计算机设备和存储介质。
技术介绍
[0002]遥感影像能够记录各种地物电磁波大小，可以将遥感影像应用到地物识别中，高光谱图像作为遥感影像中的一种，高光谱图像通过提供高分辨率的光谱图像，具有很强的地物识别能力，但由于地物类型的复杂性和高光谱仪的瞬时视场局限性，使得混合像元普遍存在于高光谱图像中，混合像元的存在影响了高光谱图像的空间分辨率，使得对高光谱图像中地物分布信息的准确提取比较困难。
[0003]传统技术中，对遥感影像中地物的识别是在对遥感影像进行光谱解混后，通过得到的丰度值信息实现对遥感影像中地物的分类，得到遥感影像中地物的类别信息。
[0004]但是，传统技术中，存在对遥感影像中地物识别的准确度较低的问题。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够提高遥感影像中地物识别的准确度的地物识别方法、装置、计算机设备和存储介质。
[0006]第一方面，本申请提供了一种地物识别方法。所述方法包括：
[0007]根据初始遥感影像，获取所述初始遥感影像中各亚像元的同质性信息和异质性信息；
[0008]根据所述初始遥感影像，获取所述初始遥感影像对应的亚像元遥感影像；其中，所述亚像元遥感影像的分辨率高于所述初始遥感影像的分辨率；
[0009]根据所述亚像元遥感影像、各所述同质性信息、各所述异质性信息和预设的定位模型，得到所述初始遥感影像中各类地物的识别结果。
[0010]在其中一个实施例中，所述定位模型包括第一反向传播神经网络、第二反向传播神经网络、长短期记忆网络和分类网络；所述根据所述亚像元遥感影像、各所述同质性信息、各所述异质性信息和预设的定位模型，得到所述初始遥感影像中各类地物的识别结果，包括：
[0011]将各所述同质性信息输入所述第一反向传播神经网络，得到同质性特征；
[0012]将各所述异质性信息输入所述第二反向传播神经网络，得到异质性特征；
[0013]将所述亚像元遥感影像输入所述长短期记忆网络，得到所述亚像元遥感影像对应的光谱特征信息；
[0014]将所述同质性特征、所述异质性特征和所述光谱特征信息输入所述分类网络中，得到所述识别结果。
[0015]在其中一个实施例中，所述分类网络包括特征融合层和分类层；所述将所述同质性特征、所述异质性特征和所述光谱特征信息输入所述分类网络中，得到所述识别结果，包
括：
[0016]通过所述特征融合层对所述同质性特征、所述异质性特征和所述光谱特征信息进行融合，得到融合后的特征；
[0017]利用所述分类层对所述融合后的特征进行分类，得到所述识别结果。
[0018]在其中一个实施例中，所述根据初始遥感影像，获取所述初始遥感影像中各亚像元的同质性信息和异质性信息，包括：
[0019]对所述初始遥感影像进行光谱分解，得到所述初始遥感影像的分数图；所述分数图中包括所述初始遥感影像中各类地物所占的比例；
[0020]根据初始遥感影像和所述分数图，获取所述初始遥感影像中各亚像元的同质性信息和异质性信息。
[0021]在其中一个实施例中，所述根据初始遥感影像和所述分数图，获取所述初始遥感影像中各亚像元的同质性信息和异质性信息，包括：
[0022]根据空间相关性理论、万有引力定律和所述分数图，对所述初始遥感图像中各亚像元分别进行计算，得到各所述同质性信息和各所述异质性信息。
[0023]在其中一个实施例中，所述根据所述初始遥感影像，获取所述初始遥感影像对应的亚像元遥感影像，包括：
[0024]利用双立方插值对所述初始遥感影像进行处理，得到所述亚像元遥感影像。
[0025]第二方面，本申请还提供了一种地物识别装置。所述装置包括：
[0026]第一获取模块，根据初始遥感影像，获取所述初始遥感影像中各亚像元的同质性信息和异质性信息；
[0027]第二获取模块，用于根据所述初始遥感影像，获取所述初始遥感影像对应的亚像元遥感影像；其中，所述亚像元遥感影像的分辨率高于所述初始遥感影像的分辨率；
[0028]识别模块，用于根据所述亚像元遥感影像、各所述同质性信息、各所述异质性信息和预设的定位模型，得到所述初始遥感影像中各类地物的识别结果。第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0029]根据初始遥感影像，获取所述初始遥感影像中各亚像元的同质性信息和异质性信息；
[0030]根据所述初始遥感影像，获取所述初始遥感影像对应的亚像元遥感影像；其中，所述亚像元遥感影像的分辨率高于所述初始遥感影像的分辨率；
[0031]根据所述亚像元遥感影像、各所述同质性信息、各所述异质性信息和预设的定位模型，得到所述初始遥感影像中各类地物的识别结果。
[0032]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0033]根据初始遥感影像，获取所述初始遥感影像中各亚像元的同质性信息和异质性信息；
[0034]根据所述初始遥感影像，获取所述初始遥感影像对应的亚像元遥感影像；其中，所述亚像元遥感影像的分辨率高于所述初始遥感影像的分辨率；
[0035]根据所述亚像元遥感影像、各所述同质性信息、各所述异质性信息和预设的定位
模型，得到所述初始遥感影像中各类地物的识别结果。
[0036]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0037]根据初始遥感影像，获取所述初始遥感影像中各亚像元的同质性信息和异质性信息；
[0038]根据所述初始遥感影像，获取所述初始遥感影像对应的亚像元遥感影像；其中，所述亚像元遥感影像的分辨率高于所述初始遥感影像的分辨率；
[0039]根据所述亚像元遥感影像、各所述同质性信息、各所述异质性信息和预设的定位模型，得到所述初始遥感影像中各类地物的识别结果。
[0040]上述地物识别方法、装置、计算机设备和存储介质，通过获取初始遥感影像中各亚像元的同质性信息、异质性信息和该初始遥感影像的亚像元遥感影像，从而可以根据亚像元遥感影像、初始遥感影像中各亚像元的同质性信息、初始遥感影像中各亚像元的异质性信息和预设的定位模型，得到初始遥感影像中各类地物的识别结果。由于亚像元遥感影像的分辨率高于初始遥感影像的分辨率，因此，通过定位模型能够充分学习亚像元遥感影像中的光谱信息，再结合初始遥感影像中各像元的同质性信息和异质性信息能够准确地对初始遥感影像中的各类地物进行识别，从而提高了对初始遥感影像中各类地物的识别结果的准确度。...
【技术保护点】
【技术特征摘要】
1.一种地物识别方法，其特征在于，所述方法包括：根据初始遥感影像，获取所述初始遥感影像中各亚像元的同质性信息和异质性信息；根据所述初始遥感影像，获取所述初始遥感影像对应的亚像元遥感影像；其中，所述亚像元遥感影像的分辨率高于所述初始遥感影像的分辨率；根据所述亚像元遥感影像、各所述同质性信息、各所述异质性信息和预设的定位模型，得到所述初始遥感影像中各类地物的识别结果。2.根据权利要求1所述的方法，其特征在于，所述定位模型包括第一反向传播神经网络、第二反向传播神经网络、长短期记忆网络和分类网络；所述根据所述亚像元遥感影像、各所述同质性信息、各所述异质性信息和预设的定位模型，得到所述初始遥感影像中各类地物的识别结果，包括：将各所述同质性信息输入所述第一反向传播神经网络，得到同质性特征；将各所述异质性信息输入所述第二反向传播神经网络，得到异质性特征；将所述亚像元遥感影像输入所述长短期记忆网络，得到所述亚像元遥感影像对应的光谱特征信息；将所述同质性特征、所述异质性特征和所述光谱特征信息输入所述分类网络中，得到所述识别结果。3.根据权利要求2所述的方法，其特征在于，所述分类网络包括特征融合层和分类层；所述将所述同质性特征、所述异质性特征和所述光谱特征信息输入所述分类网络中，得到所述识别结果，包括：通过所述特征融合层对所述同质性特征、所述异质性特征和所述光谱特征信息进行融合，得到融合后的特征；利用所述分类层对所述融合后的特征进行分类，得到所述识别结果。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述根据初始遥感影像，获取所述初始遥感影像中各亚像元的同质性信息和异质性信息，包括：对所述初始遥感影像进行光谱分解，得到所述初始遥感影像的分数图...
【专利技术属性】
技术研发人员：吕风乐，董露露，陈燕科，冯雪辉，马庆怀，
申请(专利权)人：曙光信息产业北京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。