目标场景分类模型训练方法、分类方法、设备及存储介质技术

本发明专利技术涉及图像处理技术领域，具体而言，涉及一种目标场景分类模型训练方法、分类方法、设备及存储介质。一种目标场景分类模型训练方法，包括：对遥感图像信息进行特征提取并生成融合特征；对融合特征和遥感图像信息分别提取边缘信息，并将提取的边缘信息进行融合得到增强边缘特征；将增强边缘特征和融合特征进行融合，得到边缘融合特征；将边缘融合特征进行通道特征加强，得到加强边缘融合特征；将加强边缘融合特征和对应的标签特征进行融合，得到遥感图像综合特征；将遥感图像综合特征特征输入分类器进行训练，得到目标场景分类模型。本发明专利技术的技术方案提高了目标场景分类模型对矿山目标场景的分类精度。矿山目标场景的分类精度。矿山目标场景的分类精度。

【技术实现步骤摘要】
目标场景分类模型训练方法、分类方法、设备及存储介质


[0001]本专利技术涉及图像处理
，具体而言，涉及一种目标场景分类模型训练方法、分类方法、设备及存储介质。

技术介绍

[0002]由于遥感技术具有探测范围大、受地面条件限制少等优越性，越来越多地被应用在矿山场景的数据采集中，可以通过光学影像、雷达影像和数字高程数据等方式获取大量的矿山场景遥感图像。但是，与此同时，为了进一步挖掘遥感图像中的场景信息，需要对获取的遥感图像进行场景分类，因此大量的图像处理工作也带来了着巨大的挑战。
[0003]近年来随着深度学习的飞速发展，其在场景分类领域也同样取得了巨大的成就，许多分类模型如深度残差网络（Deep residual network，ResNet）模型、稠密卷积网络（Dense Convolutional Network，DenseNet）模型等都在场景分类上取得了极大的成功。但由于矿山的遥感图像背景复杂，遥感图像的拍摄角度、地形坡度、光照反射等因素的影响，以及多尺寸物体、不规则或模糊边缘等特征，大大增加了对遥感图像中矿山场景的辨别难度，因此模型对矿山场景分类的并不准确，分类结果与实际偏差较大。

技术实现思路

[0004]本专利技术解决的问题如何提高模型对例如矿山等遥感场景的分类精度。
[0005]为解决上述问题，本专利技术提供一种目标场景分类模型训练方法、分类方法、设备及存储介质。
[0006]第一方面，本专利技术提供了一种目标场景分类模型训练方法，包括：获取目标场景数据集，所述数据集包括多张带有标签的遥感图像信息；对所述遥感图像信息进行特征提取并生成融合特征；对所述融合特征和所述遥感图像信息分别提取边缘信息，并将提取的所述边缘信息进行融合得到增强边缘特征；将所述增强边缘特征和所述融合特征进行融合，得到边缘融合特征；将所述边缘融合特征进行通道特征加强，得到加强边缘融合特征；根据所述目标场景数据集中的全部所述标签和预设的标签共现关系确定每张所述遥感图像信息的标签特征；将所述加强边缘融合特征和对应的所述标签特征进行融合，得到遥感图像综合特征；将所述遥感图像综合特征输入分类器进行训练，得到目标场景分类模型。
[0007]可选地，所述对所述遥感图像信息进行特征提取并生成融合特征，包括：对所述遥感图像信息进行多尺度特征提取并生成深层特征，对所述遥感图像信息进行浅层特征提取并生成浅层特征；将所述深层特征和所述浅层特征进行融合，得到所述融合特征。
[0008]可选地，所述对所述遥感图像信息进行多尺度特征提取并生成深层特征，包括：获取多个预设卷积核；根据每个所述预设卷积核对所述遥感图像信息进行特征提取，得到对应的尺度特征；将所述尺度特征进行融合，得到所述深层特征。
[0009]可选地，所述将所述尺度特征进行融合，得到所述深层特征，包括：将全部所述尺度特征进行重采样，得到大小相等的所述尺度特征；将大小相等的所述尺度特征进行融合，得到所述深层特征。
[0010]可选地，所述对所述融合特征和所述遥感图像信息分别提取边缘信息，并将提取的所述边缘信息进行融合得到增强边缘特征，包括：通过边缘检测算子对所述融合特征进行边缘信息提取，生成融合特征边缘信息；通过所述边缘检测算子对所述遥感图像信息进行边缘信息提取，生成遥感图像边缘信息；将所述融合特征边缘信息和所述遥感图像边缘信息进行融合，得到增强边缘特征。
[0011]可选地，所述将所述融合特征边缘信息和所述遥感图像边缘信息进行融合，得到增强边缘特征，包括：将所述遥感图像边缘信息进行重采样，生成重塑边缘信息；将所述重塑边缘信息和所述融合特征边缘信息融合，生成增强边缘特征。
[0012]可选地，所述根据所述目标场景数据集中的全部所述标签和预设的标签共现关系确定每张所述遥感图像信息的标签特征，包括：根据所述标签和预设的标签嵌入算法生成标签向量；根据所述标签和预设的所述标签共现关系生成标签共现矩阵；将所述标签向量和所述标签共现矩阵输入预设的图卷积网络，输出所述标签特征。
[0013]第二方面，本专利技术提供了一种目标场景分类方法，包括：获取待处理的遥感图像信息；将所述待处理的遥感图像输入训练好的所述目标场景分类模型，输出所述待处理的遥感图像信息中目标场景的分类结果；其中，所述训练好的目标场景分类模型采用如第一方面所述的目标场景分类模型训练方法训练得到。
[0014]第三方面，本专利技术提供了一种电子设备，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如第一方面所述的目标场景分类模型训练方法。
[0015]第四方面，本专利技术提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如第一方面所述的目标场景分类模型训练方法。
[0016]本专利技术的目标场景分类模型训练方法、分类方法、设备及存储介质的有益效果是：通过对目标场景数据集中的遥感图像信息进行特征提取，将提取到的特征进行融合生成融
合特征，可以得到该遥感图像信息更丰富的特征信息，有助于提高目标场景模型对遥感图像信息中的不同场景的分类精度，进一步地，提取融合特征和遥感图像信息的边缘信息，将提取到的边缘信息进行融实现对遥感图像中边缘信息的增强，从而得到增强边缘特征，将融合特征和边缘增强特征进行融合，得到边缘融合特征，该特征同时融合了遥感图像信息的多个特征信息和边缘信息，通过边缘融合特征进行通道加强，得到加强边缘融合特征，使经过通道方向加强的加强边缘融合特征具有通道权重信息，再将具有标签之间相关性的标签特征与加强边缘融合特征进行融合，得到遥感图像综合特征，使得到的遥感图像综合特征具有标签之间的相关性，将融合了多个信息的遥感图像综合特征输入分类器进行模型训练，最终得到目标场景分类模型。该模型通过融合了边缘特征、遥感图像特征和标签特征等矿山场景的相关信息的遥感图像综合特征进行训练得到，使得该模型可以更准确的对矿山的目标场景进行分类，通过边缘信息融入增强了模型对于场景的模糊边缘的辨别能力，通过标签特征融入避免了小目标特征的信息丢失，进一步提高了模型对例如矿山等场景的分类精度。
附图说明
[0017]图1为本专利技术实施例的一种目标场景分类模型训练方法的流程示意图；图2为本专利技术实施例的通道特征增强示意图；图3为本专利技术实施例的标签信息注入示意图；图4为本专利技术实施例的多尺度特征提取示意图；图5为本专利技术实施例的边缘信息增强示意图；图6为本专利技术实施例的模型训练框架图；图7为本专利技术实施例的一种目标场景分类方法的流程示意图。
具体实施方式
[0018]为使本专利技术的上述目的、特征和优点能够更为明显易懂，下面结合附图对本专利技术的具体实施例做详细的说明。虽然附图中显示了本专利技术的某些实施例，然而应当理解的是，本专利技术可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本专利技术。应当理解的是，本专利技术的附图及实施例仅用于示例性作用，并非用于限制本专利技术的保护本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标场景分类模型训练方法，其特征在于，包括：获取目标场景数据集，所述数据集包括多张带有标签的遥感图像信息；对所述遥感图像信息进行特征提取并生成融合特征；对所述融合特征和所述遥感图像信息分别提取边缘信息，并将提取的所述边缘信息进行融合得到增强边缘特征；将所述增强边缘特征和所述融合特征进行融合，得到边缘融合特征；将所述边缘融合特征进行通道特征加强，得到加强边缘融合特征；根据所述目标场景数据集中的全部所述标签和预设的标签共现关系确定每张所述遥感图像信息的标签特征；将所述加强边缘融合特征和对应的所述标签特征进行融合，得到遥感图像综合特征；将所述遥感图像综合特征输入分类器进行训练，得到目标场景分类模型。2.根据权利要求1所述的目标场景分类模型训练方法，其特征在于，所述对所述遥感图像信息进行特征提取并生成融合特征，包括：对所述遥感图像信息进行多尺度特征提取并生成深层特征，对所述遥感图像信息进行浅层特征提取并生成浅层特征；将所述深层特征和所述浅层特征进行融合，得到所述融合特征。3.根据权利要求2所述的目标场景分类模型训练方法，其特征在于，所述对所述遥感图像信息进行多尺度特征提取并生成深层特征，包括：获取多个预设卷积核；根据每个所述预设卷积核对所述遥感图像信息进行特征提取，得到对应的尺度特征；将所述尺度特征进行融合，得到所述深层特征。4.根据权利要求3所述的目标场景分类模型训练方法，其特征在于，所述将所述尺度特征进行融合，得到所述深层特征，包括：将全部所述尺度特征进行重采样，得到大小相等的所述尺度特征；将大小相等的所述尺度特征进行融合，得到所述深层特征。5.根据权利要求1所述的目标场景分类模型训练方法，其特征在于，所述对所述融合特征和所述遥感图像信息分别提取边缘信息，并将提取的所述边缘信...

【专利技术属性】
技术研发人员：李显巨，孔攀，陈伟涛，唐厂，冯如意，王力哲，陈刚，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：