一种基于小样本的遥感场景分类方法技术

本发明专利技术公开了一种基于小样本的遥感场景分类方法，属于遥感场景分类领域。本方法包括：首先划分数据集，并划分支持集和查询集；对获取到的遥感场景图像进行数据预处理；将经过预处理的数据输入至特征提取器；利用区域互相关模块对输入特征进行特征增强；通过多尺度特征融合模块将来自不同尺度的特征进行融合；最后计算查询集样本与支持集样本的余弦相似度，根据相似度大小完成分类任务。具体流程图见说明书附图图1。本申请通过多尺度特征融合模块充分利用遥感图像的浅层细粒度信息和深层的语义信息，使得模型在训练过程中能够学到更丰富的知识；使用区域互相关模块让模型更好地学习到区域之间的关联性，能够更加关注到每个区域对于分类的有效性。模型具有较好泛化能力，能够提高分类的准确率。

【技术实现步骤摘要】

本专利涉及到一种新的基于小样本的遥感场景分类方法，具体地说是一种可以整合浅层细粒度信息与深层语义信息，并能够增强模型对于图像重要区域的关注、增强区域之间的相关性的深度学习方法。本专利技术能够有效地完成遥感场景分类任务，属于遥感场景分类领域。

技术介绍

1、遥感图像的场景分类在遥感领域是一项具有重要意义的任务，其重要目的是为了能够准确的完成对于众多场景(森林、沙漠等)的分类，通过实现遥感图像的场景分类，人们可以更好地实现道路探测、灾害预测等。

2、深度学习作为新兴人工智能技术，在计算机视觉、自然语言处理等多个领域中占据领先地位。由于卷积神经网络可以提取高级代表性特征的特点，越来越来的研究人员开始利用卷积神经网络(convolutional neural networks,cnn)的方法来完成遥感图像场景分类任务。它依靠带有标签的样本数据进行长时间的训练，从而获取具有高性能的模型，其性能远超传统算法。然而，在深度学习的众多实际应用中，获取大量带标签的样本数据很困难或者代价很高。在这种场景下训练模型，其泛化能力会降低。因此，适用于少量带标签数据场景的本文档来自技高网...

【技术保护点】

1.一种基于小样本的遥感场景分类方法，其特征在于，包括如下步骤：

2.根据权利要求1所述基于小样本的遥感场景分类方法，其特征在于，所述步骤一包括：将样本划分为训练集Dtrain、验证集Dval和测试集Dtest；对数据的预处理包含有尺度变换、特征标准化、随机裁剪、图像随机反转。

3.根据权利要求1所述基于小样本的遥感场景分类方法，其特征在于，所述步骤二包括：特征提取器采用ResNet-12。

4.根据权利要求1所述基于小样本的遥感场景分类方法，其特征在于，所述步骤三包括：构建一个区域互相关模块，对输入的特征图进行区域划分，将划分之后的特征图在区域维度上...

【技术特征摘要】

1.一种基于小样本的遥感场景分类方法，其特征在于，包括如下步骤：

2.根据权利要求1所述基于小样本的遥感场景分类方法，其特征在于，所述步骤一包括：将样本划分为训练集dtrain、验证集dval和测试集dtest；对数据的预处理包含有尺度变换、特征标准化、随机裁剪、图像随机反转。

3.根据权利要求1所述基于小样本的遥感场景分类方法，其特征在于，所述步骤二包括：特征提取器采用resnet-12。

4.根据权利要求1所述基于小样本的遥感场景分类方法，其特征在于，所述步骤三包括：构建一个区域互相关模块，对输入的特征图进行区域划分，将划分之后的特征图在区域维度上进行相关性计算，然后利用卷积对特征图进行降噪降维处理。

5.根据权利要求1所述基于小样本的遥感场景分类方法，其特征在于，所述步骤四包括：构建一个多尺度特征融合模块，将权利要求3中提到的特征提取器每层的特征输出结果输入至权利4中提到的区域互相关模块，并做拼接操作。

【专利技术属性】
技术研发人员：周立俭，赵志昂，王锡亮，赵锟，
申请(专利权)人：青岛理工大学，
类型：发明
国别省市：