【技术实现步骤摘要】
本申请涉及图像处理，具体涉及一种遥感图像场景分类方法、装置、存储介质及电子设备。
技术介绍
1、遥感图像场景分类是遥感图像处理分析的重要组成部分，在地质监测、灾情监测与评估、目标判读等方面有重要的应用价值。目前，基于深度学习的图像分类以其优良的分类性能得到广泛研究与应用。但是遥感图像尺度多变，同一场景存在视觉差异，卷积网络顶层特征表达容易对同一场景产生不同的分类结果，导致分类的效果较差。
技术实现思路
1、本申请的主要目的在于提供一种遥感图像场景分类方法、装置、存储介质及电子设备，旨在解决现有技术中对基于深度学习的遥感图像场景分类的效果较差的问题。
2、为实现上述目的，本申请的实施例采用的技术方案如下：
3、第一方面，本申请实施例提供一种遥感图像场景分类方法，包括以下步骤：
4、获取原始图像；
5、将原始图像输入分类模型，获得原始图像的分类结果；其中，分类模型基于特征嵌入子网络与层级关系学习子网络获得，特征嵌入子网络包括若干按层级顺序设置的特征提取模块，特征提取模块用于提取同一层级的查询样本图像与支持样本图像的特征，层级关系学习子网络包括若干按照层级顺序设置的关系学习模块，关系学习模块用于根据特征，获得查询样本图像与支持样本图像的关系度值。
6、在第一方面的一种可能实现方式中，将原始图像输入分类模型，获得原始图像的分类结果之前，遥感图像场景分类方法还包括：
7、随机获取查询样本图像与支持样本图像；
9、根据初始模型的特征嵌入子网络，分别对查询样本图像与支持样本图像进行特征提取，获得不同层级的第一特征与第二特征；
10、将第一特征与第二特征进行堆叠，获得堆叠特征；
11、根据初始模型的层级关系学习子网络，对堆叠特征进行匹配关系判断，获得查询样本图像与支持样本图像的关系度值，并返回随机获取查询样本图像与支持样本图像的步骤，直至满足训练终止条件，获得分类模型。
12、在第一方面的一种可能实现方式中，随机获取查询样本图像与支持样本图像之前，遥感图像场景分类方法还包括：
13、根据若干查询样本图像与若干支持样本图像，分别构建查询样本图像集与支持样本图像集；
14、随机获取查询样本图像与支持样本图像，包括：
15、在查询样本图像集与支持样本图像集中随机获取查询样本图像与支持样本图像。
16、在第一方面的一种可能实现方式中，根据若干查询样本图像与若干支持样本图像，分别构建查询样本图像集与支持样本图像集，包括：
17、根据若干查询样本图像与若干支持样本图像进行数据归一化，获得归一化查询样本图像与归一化支持样本图像；
18、根据归一化查询样本图像与归一化支持样本图像，分别构建查询样本图像集与支持样本图像集。
19、在第一方面的一种可能实现方式中，根据若干查询样本图像与若干支持样本图像，分别构建查询样本图像集与支持样本图像集，包括：
20、根据若干查询样本图像与若干支持样本图像进行数据增强，获得增强查询样本图像与增强支持样本图像；
21、根据增强查询样本图像与增强支持样本图像，分别构建查询样本图像集与支持样本图像集。
22、在第一方面的一种可能实现方式中，获得查询样本图像与支持样本图像的关系度值之后，遥感图像场景分类方法还包括：
23、根据关系度值以及查询样本图像与支持样本图像的指示函数，获得损失函数。
24、在第一方面的一种可能实现方式中，获得分类模型之后，遥感图像场景分类方法还包括：
25、根据自适应学习优化器与损失函数，对分类模型进行优化，获得目标分类模型；
26、将原始图像输入分类模型，获得原始图像的分类结果，包括：
27、将原始图像输入目标分类模型，获得原始图像的分类结果。
28、第二方面，本申请实施例提供一种遥感图像场景分类装置，包括：
29、获取模块，获取模块用于获取原始图像；
30、分类模块，分类模块用于将原始图像输入分类模型，获得原始图像的分类结果；其中，分类模型基于特征嵌入子网络与层级关系学习子网络获得，特征嵌入子网络包括若干按层级顺序设置的特征提取模块，特征提取模块用于提取同一层级的查询样本图像与支持样本图像的特征，层级关系学习子网络包括若干按照层级顺序设置的关系学习模块，关系学习模块用于根据特征，获得查询样本图像与支持样本图像的关系度值。
31、第三方面，本申请实施例提供一种计算机可读存储介质，储存有计算机程序，计算机程序被处理器加载执行时，实现如上述第一方面中任一项提供的遥感图像场景分类方法。
32、第四方面，本申请实施例提供一种电子设备，包括处理器及存储器，其中，
33、存储器用于存储计算机程序；
34、处理器用于加载执行计算机程序，以使电子设备执行如上述第一方面中任一项提供的遥感图像场景分类方法。
35、与现有技术相比，本申请的有益效果是：
36、本申请实施例提出的一种遥感图像场景分类方法、装置、存储介质及电子设备，该方法包括：获取原始图像；将原始图像输入分类模型，获得原始图像的分类结果；其中，分类模型基于特征嵌入子网络与层级关系学习子网络获得，特征嵌入子网络包括若干按层级顺序设置的特征提取模块，特征提取模块用于提取同一层级的查询样本图像与支持样本图像的特征，层级关系学习子网络包括若干按照层级顺序设置的关系学习模块，关系学习模块用于根据特征，获得查询样本图像与支持样本图像的关系度值。本申请通过分类模型来实现对原始图像的快速分类，一方面，由于分类模型的网络构架中包括了由若干按层级顺序设置的特征提取模块组成的特征嵌入子网络，能够适应遥感图像尺度的变化，学习到遥感图像上不同层次的特征表达；另一方面，在由若干按照层级顺序设置的关系学习模块组成的层级关系学习子网络的配合下，利用提取的各层次的特征表达实现查询样本图像与支持样本图像的匹配，得到其关系度值，通过该分类模型的原始图像，能够在适应尺度变化的情况下，逐层次地判断其相对支持样本图像的类别情况，以最终得到更为准确且唯一的分类结果。
本文档来自技高网...【技术保护点】
1.一种遥感图像场景分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的遥感图像场景分类方法，其特征在于，所述将所述原始图像输入分类模型，获得所述原始图像的分类结果之前，所述遥感图像场景分类方法还包括：
3.根据权利要求1所述的遥感图像场景分类方法，其特征在于，所述随机获取所述查询样本图像与所述支持样本图像之前，所述遥感图像场景分类方法还包括：
4.根据权利要求3所述的遥感图像场景分类方法，其特征在于，所述根据若干所述查询样本图像与若干所述支持样本图像，分别构建查询样本图像集与支持样本图像集，包括：
5.根据权利要求3所述的遥感图像场景分类方法，其特征在于，所述根据若干所述查询样本图像与若干所述支持样本图像，分别构建查询样本图像集与支持样本图像集，包括：
6.根据权利要求2所述的遥感图像场景分类方法，其特征在于，所述获得所述查询样本图像与所述支持样本图像的关系度值之后，所述遥感图像场景分类方法还包括：
7.根据权利要求6所述的遥感图像场景分类方法，其特征在于，所述获得所述分类模型之后，所述遥感图像场
8.一种遥感图像场景分类装置，其特征在于，包括：
9.一种计算机可读存储介质，储存有计算机程序，其特征在于，所述计算机程序被处理器加载执行时，实现如权利要求1-7中任一项所述的遥感图像场景分类方法。
10.一种电子设备，其特征在于，包括处理器及存储器，其中，
...【技术特征摘要】
1.一种遥感图像场景分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的遥感图像场景分类方法，其特征在于，所述将所述原始图像输入分类模型，获得所述原始图像的分类结果之前，所述遥感图像场景分类方法还包括：
3.根据权利要求1所述的遥感图像场景分类方法，其特征在于，所述随机获取所述查询样本图像与所述支持样本图像之前，所述遥感图像场景分类方法还包括：
4.根据权利要求3所述的遥感图像场景分类方法，其特征在于，所述根据若干所述查询样本图像与若干所述支持样本图像，分别构建查询样本图像集与支持样本图像集，包括：
5.根据权利要求3所述的遥感图像场景分类方法，其特征在于，所述根据若干所述查询样本图像与若...
【专利技术属性】
技术研发人员：雷森，叶国祥，田峰，周英博，赵创新，潘力，胡灵雯，
申请(专利权)人：成都飞机工业集团有限责任公司，
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。