【技术实现步骤摘要】
一种融合注意力与多层次CNN的电网建筑用地分类方法
[0001]本专利技术涉及人工智能对遥感图像像素级分类
，具体为一种融合注意力与多层次CNN的电网建筑用地分类方法。
技术介绍
[0002]随着社会经济的持续发展，全国用电量逐渐上升。全国各地为了解决电网性缺电问题，更好的服务地方经济，增加电网设备建设。然而，电网规划编制的落后以及规划衔接的不完善，诸多重大电力基础设施的落点建设却面临着重大困难，成为制约电网建设的重要因素。电力基础设施的落点建设往往由电力部门编制专业性的电网规划，地方则按照电力部门编制的专业规划。合理的规划的落点具有重大意义。而如何合理的规划落点需要遥感技术的辅助，利用遥感技术充分考虑地物分类、地形地貌，辅助专业人员对电力建设用地的前瞻性规划控制。
[0003]遥感影像不同于标准的RGB影像，受限于混合像元、复杂场景以及自身空间分辨率的限制，同物异谱现象严重。另外，不同于建筑地物，农作物、耕地、植被等地物受季节影响，不同地区、不同时间段所表现的特征有较大的差异导致识别困难。这要求遥感影像分析要...
【技术保护点】
【技术特征摘要】
1.一种融合注意力与多层次CNN的电网建筑用地分类方法，其特征在于：包括以下步骤：步骤一：对FC发送一个多光谱像素序列，利用全连接层的线性变换功能，调整1D
‑
光谱序列的维度，将变换后的1D
‑
光谱序列Reshape为3D
‑
光谱特征矩阵；步骤二：提取2D
‑
CNN三个不同层次的特征作为Transformer输入的一部分；步骤三：在添加位置编码的同时，将CNN提取的特征与位置编码共同和像素信息结合；步骤四：在相邻Transformer Encoder之间通过跳跃链接实现特征融合；第五步：最后MLP Head获得分类结果，实现像素级分类；第六步：以不同方法对研究区进行分类。2.根据权利要求1所述的一种融合注意力与多层次CNN的电网建筑用地分类方法，其特征在于：所述步骤六中以不同方法对研究区进行分类，包括以下步骤。S1：户外样本采集根据事先规划的路线，赴户外采集样本，获得样本的经纬度信息。S2：图像预处理在欧空局官网下载研究区Sentinel
‑
2遥感影像，对下载的影像进行辐射定标、大气矫正、裁剪等预处理。S3：样本点选择根据户外采样获得的经纬度信息以及先验知识，通过ENVI软件标记感兴趣区域并导出感兴趣区域在图像中的坐标。其中60％的样本用于训练模型，20％的样本用于验证，20％用于测试。S4：训练网络建立融合Transformer和CNN的网络模型，利用生成的样本训练该模型，用训练的模型对测试集进行测试，以及对研究区其他未标记完成预测。3.根据权利要求1所述的一种融合注意力与多层次CNN的电网建筑用地分类方法，其特征在于：所述电网建筑规划用地分类方法，由CNN和Transformer串行组成，包括以下步骤：S1：设计全连接层(FC)与CNN结合的网络框架，全连接层获取的1D像素光谱序列重塑为3D光谱特征矩阵用于CNN的输入，其通过FC提升特征的维度；S2：提取CNN三个层次的特征与经过线性变换的光谱信息结合，增强信息的表达能力，同时作为Transformer Encoder的输入，利用Tran...
【专利技术属性】
技术研发人员：王旭东，艾春，冯震宇，李国通，
申请(专利权)人：缤谷电力科技上海有限公司，
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。