一种基于图神经网络的高分遥感影像林地二级分类方法技术

本发明专利技术提供一种基于图神经网络的高分遥感影像林地二级分类方法，包括：读取需要进行林地二级分类的高分遥感影像；将高分遥感影像按设定重叠率裁剪为多张影像小图BlkImage；在每张影像小图BlkImage中，识别出i个最终林地检测框Box"及其对应的i个林地类别Cls"；将所有影像小图BlkImage中的最终林地检测框Box"及其对应的林地类别Cls"合并，从而得到高分遥感影像中所有林地检测框和对应的林地类别，完成林地二级分类。本发明专利技术设计了一种基于图神经网络的高分遥感影像林地二级分类方法，本发明专利技术对林地二级分类具有更强的适用性，能更深入的挖掘林地类别间的弱小差异、结构关系，达到更精准的分类效果。精准的分类效果。精准的分类效果。

【技术实现步骤摘要】
一种基于图神经网络的高分遥感影像林地二级分类方法


[0001]本专利技术属于遥感图像处理
，具体涉及一种基于图神经网络的高分遥感影像林地二级分类方法。

技术介绍

[0002]林地二级分类有助于森林和林地资源更精细的清查与管理，相较于传统区分林地与非林地的一级分类方法，二级分类能够更精准的检测林地变化，对林地的蓄积量、生物量、碳储量、生物多样性等进行评估。但由于林地的树木种类、种植地域的差异性，存在着二级林地类别间颜色对比度小、纹理特征相似等问题，易造成林地二级类别间种类难以区分、分割边界模糊、类别分割错误或漏分的情况。
[0003]在以往的林地分类任务中，主要依靠人工目视判读或人工外业抽样调查等方式进行林地分类。由于林地范围分布广泛，单靠人工目视判读的方法存在着周期长、人力物力成本大、空间覆盖低等问题。
[0004]随着航空航天技术的发展，遥感技术成为一种高效获取地表目标信息的手段，具有覆盖范围广、观测面积大、信息量丰富和时效性强等特点，被广泛应用于林地二级分类调查中。结合遥感技术和计算机技术的机器学习方法成为林地二级分类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的高分遥感影像林地二级分类方法，其特征在于，包括以下步骤：步骤1，读取需要进行林地二级分类的高分遥感影像；步骤2，为适应网络输入需求，将所述高分遥感影像按设定重叠率裁剪为多张影像小图BlkImage；步骤3，在每张所述影像小图BlkImage中，识别出i个最终林地检测框Box"及其对应的i个林地类别Cls"；其中，i≥0；对于每张影像小图BlkImage，处理方法具体包括：步骤3.1，第一阶段目标群体检测和筛选：步骤3.1.1，将影像小图BlkImage输入到第一阶段目标检测网络Faster R
‑
CNN中，得到影像小图BlkImage的第一阶段检测结果，包含m个第一阶段林地检测框Box及其对应的m个林地类别Cls，其中，m≥0，并记录输出每个第一阶段林地检测框Box的RoI特征；步骤3.1.2，对所述第一阶段检测结果进行目标群体筛选，得到n个经过目标群体筛选后的林地检测框Box
’
及其对应的n个林地类别Cls
’
、RoI特征；其中，n≥0；步骤3.2，第二阶段目标精细分类：步骤3.2.1，采用n个经过目标群体筛选后的林地检测框Box
’
的RoI特征，构造邻接图G(V,E)，其中V代表邻接图G(V,E)的顶点，E代表邻接图G(V,E)的边；步骤3.2.2，预先构造先验知识特征图；步骤3.2.3，将先验知识特征图和邻接图G(V,E)进行拼接，将邻接图G(V,E)中的所有顶点与先验知识特征图中的所有顶点相连，形成邻接图G(V,E)的边，边的权重为α，得到拼接后的邻接图G
’
(V,E)：步骤3.2.4，将拼接后的邻接图G
’
(V,E)输入到第二阶段目标分类网络中，进行林地目标分类，识别出影像小图BlkImage中的i个最终林地检测框Box"及其对应的林地类别Cls"；步骤4，将步骤3得到的所有影像小图BlkImage中的最终林地检测框Box"及其对应的林地类别Cls"合并，得到步骤1中所述高分遥感影像中所有林地检测框及对应的林地类别，输出高分遥感影像的林地二级分类图，从而完成对所述高分遥感影像的林地二级分类。2.根据权利要求1所述的一种基于图神经网络的高分遥感影像林地二级分类方法，其特征在于，步骤2具体为：以所述高分遥感影像的左上角为起点，按从左到右从上到下的方向，按重叠率p裁剪得到多张相等尺寸的影像小图BlkImage；其中，在所述高分遥感影像的边缘位置，如果直接裁剪得到的影像小图的尺寸小于设定尺寸，则填充灰度值为0的像素点，以使得到的影像小图BlkImage的尺寸满足网络输入需求。3.根据权利要求1所述的一种基于图神经网络的高...

【专利技术属性】
技术研发人员：彭松，李京，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：