【技术实现步骤摘要】
基于可见光与红外卫星图像融合的地物分类方法
[0001]本专利技术涉及图像信息处理
，尤其涉及一种基于可见光与红外卫星图像融合的地物分类方法。
技术介绍
[0002]随着遥感技术的不断发展，卫星图像的空间分辨率不断提高，为研究人员获取地理信息提供了有力支撑，在环境监测、作物覆盖和类型分析、国土观察、城市规划与管理等领域有巨大的应用价值。卫星图像语义分割作为遥感图像解译的核心任务之一，是计算机视觉领域的关键研究课题，它为每个像素分配一个标签，进行像素级分类。传统的语义分割方法包括基于边缘的分割方法、基于聚类的分割方法和基于阈值的分割方法，然而传统的语义分割方法进行卫星图像语义分割时只能提取到卫星图像的低级特征，无法满足实际的地物分类应用要求。
[0003]随着深度学习技术的不断发展，目前已有研究将卷积神经网络应用于卫星图像地物分类，提出了FCN、SegNet、U
‑
Net、DeepLab等经典网络架构用于卫星图像地物分类。
[0004]由于卫星图像地物分类是一个像素级分类任务，卫星图像中...
【技术保护点】
【技术特征摘要】
1.一种基于可见光与红外卫星图像融合的地物分类方法，其特征在于，包括：获取多组相互对应且包含地面目标的可见光图像和红外卫星图像；对可见光图像和红外卫星图像中的地面目标进行标注，获取标签，生成地物分类训练数据集，其中，所述地物分类训练数据集中的每个训练数据包括相互对应的一个可见光图像和一个红外卫星图像、及其对应的地面目标标签；构建地面目标分类网络；利用地物分类训练数据集训练地面目标分类网络；利用训练后的地面目标分类网络进行地面目标分类。2.根据权利要求1所述的基于可见光与红外卫星图像融合的地物分类方法，其特征在于，获取多组相互对应且包含地面目标的可见光图像和红外卫星图像，包括：选取多个包含有地面目标的卫星多光谱图像；将卫星多光谱图像的RGB三通道数据进行融合，获取对应的可见光图像，提取卫星多光谱图像的红外通道数据，获取对应的红外卫星图像。3.根据权利要求1所述的基于可见光与红外卫星图像融合的地物分类方法，其特征在于，对可见光图像和红外卫星图像中的地面目标进行标注，获取标签，生成地物分类训练数据集，包括：分别对可见光图像和红外卫星图像中的不同地面目标进行矩形框标注，确定矩形框的中心点坐标、矩形框的宽度和高度、以及矩形框中的目标类别，获取包括矩形框中心点坐标、宽度、高度和类别信息的标签；将相互对应的一个可见光图像和一个红外卫星图像、以及图像对应的地面目标标签作为一个训练数据，生成包括多个训练数据的地物分类训练数据集。4.根据权利要求1所述的基于可见光与红外卫星图像融合的地物分类方法，其特征在于，基于YOLOv5算法构建地面目标分类网络。5.根据权利要求4所述的基于可见光与红外卫星图像融合的地物分类方法，其特征在于，所述地面目标分类网络包括：依次连接的输入层、Focus模块、主干网络、快速空间金字塔池化模块、颈部网络、解码层和输出层，主干网络采用CSP结构，颈部网络采用特征金字塔网络和像素聚合网络的特征融合网络结构，解码层采用多尺度特征融合网络结构。6.根据权利要求5所述的基于可见光与红外卫星图像融合的地物分类方法，其特征在于，所述快速空间金字塔池化结构包括：两个CBS模块，第一个所述CBS模块的输入为所述快速空间金字塔池化结构的输入，输出分别与第一个最大池化模块的输入和Concat层的输入连接，第二个所述CSB模块的输入与所述Concat层的输出连接，输出为所述快速空间金字塔池化结构的输出，所述CBS模块包括依次连接的卷积层、数据归一化层和激活函数层；三个所述最大池化模块，第一个所述最大池化模块的输出分别与第二个所述最大池化模块的输入和所述Concat层的输入连接，第二个所述最大池化模块的输出分别与第三个所述最大池化模块的输入和所述Concat层的输入连接，第三个所述最大池化模块的输出与所述Concat层的输入连接；所述Concat层，用于对输入的特征进行连接。7.根据权利要求1
‑
6中任一项所述的基于可见光与红外卫星图像融合的地物分类方
法，其特征在于，利用地物分类训练数据集训练地面目标分类网络，包括：将地物分类训练数据集中的训练数据中的可见光图像和红外卫星图像作为输入，将训练数据中的地面目标标签作为输出，训练地面目标分类网络...
【专利技术属性】
技术研发人员：曹璐，赵炜东，刘勇，郭鹏宇，杨伟丽，
申请(专利权)人：中国人民解放军军事科学院国防科技创新研究院，
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。