【技术实现步骤摘要】
本专利技术属于遥感信息处理，涉及一种局地气候区分类方法及系统，具体涉及一种耦合多层级特征与先验知识的图像分类网络，实现全球范围遥感影像局地气候区分类并取得较好的分类效果的方法及系统。
技术介绍
1、局地气候区(localclimatezone，lcz)是针对城市热岛问题提出的一种土地利用分类方案。依据对地表结构和土地覆盖度的标准化描述，将城市划分为10类建筑类型(lcz1-10)和7类自然覆盖类型(lcza-g)：密集高层建筑、密集中层建筑、密集低层建筑、开敞高层建筑、开敞中层建筑、开敞低层建筑、轻量级低层建筑、大型低矮建筑、稀疏建筑、重工业产房、密集树木、稀疏树木、灌木、低矮植被、裸岩、裸土和水体。全球局部气候区地图可以显示不同城市结构和土地利用分布情况，lcz制图有助于更好的理解全球范围内城市的lcz时空动态变化并探索不同城市背景下城市形态对热环境的影响差异性。然而，尚未有足够高精度的lcz地图可以在全球范围内通用，这阻碍了城市热岛研究进展。因此，设计一种大范围的高精度lcz制图方法非常有必要。
2、现有的局地气候区分类主要有两大类。一种是基于地理信息系统的方法，这种方法通过计算局地气候区分类所需的不同表面参数来对局地气候区类型进行识别，通过整合多种类型的地理数据使得分类结果更加综合全面。但是这种方法需要输入的地理数据交多，存在部分数据难以获取困难的问题。二是基于遥感影像的分类方法，这种方法通过分析影像的空间特征、光谱信息及纹理特征等的异同进行分类，遥感影像类型多样且易于获取，是目前主流的lcz分类方法。传统的基
技术实现思路
1、为了解决上述技术问题，本专利技术针对局地气候区的类别特征，提出了一种耦合多层级特征和先验知识的局地气候区分类网络，可以应用于大范围遥感影像的深度学习图像分类方法及系统，可用于全球范围遥感影像局地气候区分类。
2、本专利技术的方法采用的技术方案是：一种耦合多层级特征与先验知识的局地气候区分类方法，包括以下步骤：
3、步骤1：对遥感影像进行归一化处理和裁切处理，获得统一大小的图像块；
4、步骤2：将裁剪后的影像块输入耦合多层级特征和先验知识的局地气候区分类网络，进行lcz分类；
5、所述耦合多层级特征和先验知识的局地气候区分类网络，由局部多尺度特征提取模块，全局多尺度特征提取模块，多层级特征融合模块和先验知识耦合模块组成；影像块首先分别通过所述局部多尺度特征提取模块和全局多尺度特征提取模块获取输入影像块的全局和局部特征以及多尺度特征；然后通过lcz多层级特征融合模块对全局和局部特征以及多尺度特征进行融合，获得初步lcz分类结果；最后通过lcz先验知识耦合模块对初步lcz分类结果进行优化，最终实现高精度的lcz分类；
6、步骤3：将获得的每个影像块分类结果，按照其原始影像中的相对位置进行拼接，获得最终整幅影像的局地气候区分类结果。
7、作为优选，步骤1中，首先对下载的遥感影像进行影像归一化，然后筛选出波段2、3、4、5、6、7、8、8b、11、12共10个波段并将波段中分辨率为20米的波段上采样为10米分辨率，最后对原始遥感影像采用滑动窗口的方式进行裁切，滑动窗口大小为h×w，步长为z，步长z*10即为最终局地气候区分类图的空间分辨率。
8、作为优选，步骤2中，所述局部多尺度特征提取模块，包括卷积层、若干顺序连接的残差块及下采样层；所述残差块，由两个卷积层和一个残差连接组成；
9、输入的影像块首先通过1×1卷积核大小的卷积层在保留空间特征的同时提取通道特征，再将提取到的通道维度特征输入到残差结构中，得到不同尺度的特征图，将最后三个尺度的特征图输出用于多层级特征融合。
10、作为优选，步骤2中，所述全局多尺度特征提取模块，包括顺序连接的补丁分区层、线性嵌入层、和三个不同尺度的全局特征提取块以及补丁合并层；所述三个尺度的全局特征提取块即不同大小的swin-tblock块，swin-tblock块由顺序连接的第一归一化层、窗口多头注意力层、第二归一化层、第一多层感知机、第三归一化层、滑动窗口多头注意力层、第四归一化层和第二多层感知机组成，所述原始输入与所述窗口多头注意力层输出，通过残差连接相加后输出记为a，输入所述第二归一化层；所述a与所述第一多层感知机输出，通过残差连接相加后输出记为b，输入所述第三归一化层；所述b与所述滑动窗口多头注意力层输出，通过残差连接相加后输出记为c，输入所述第四归一化层；所述c与所述第二多层感知机，通过残差连接相加后输出。
11、输入图像首先通过补丁分区层划分为若干个小补丁，然后通过线性嵌入层将每个补丁映射到更高维度的特征空间获得特征，再通过三个不同尺度的全局特征提取块提取多尺度特征，不同尺度间通过补丁合并层进行补丁合并操作来实现特征尺度变换，将最后三个尺度的特征图输出用于多层级特征融合。
12、作为优选，步骤2中，所述多层级特征融合模块，由顺序连接ise层、全局平均池化层、多层感知机和平均池化层组成；所述ise层，由顺序连接的全局池化层gp、第一全连接层fc、第一批归一化层bn、第一hardtanh激活函数层、第二全连接层fc、第二批归一化层bn、第二hardtanh激活函数层和scale加权层；原始输入与所述第二hardtanh激活函数层输出，经过所述scale加权层将hardtanh层的权重系数和原始输入的通道特征相乘后输出；
13、首先将三个尺度的全局多尺度特征和局部全局多尺度特征，通过全局平均池化层映射到一维空间，再连接多层感知机进行复杂的非线性转换，最后将三个尺度的结果进行平均计算得到最终特征并生获得初步的局地气候区分类结果。
14、作为优选，步骤2中，所述先验知识耦合模块，包括相似类别索引提取层、对应影像提取层、resnet 34网络和融合层；
15、所述相似类别索引提取层，用于从初步局地气候区分类结果中提取属于相似类别的索引；所述对应影像提取层，用于根据索引从原始影像中掩膜提取两个类别对应的影像；所述resnet 34网络，用于对提取出的影像进行重新分类；所述融合层，用于将重新分类的类别和初步分类类别进行整合，得到最终局地气候区分类结果。
16、作为优选，步骤2中所述耦合多层级特征和先验知识的局地气候区分类网络，是训练好的网络；
17、训练中损失函数使用的是标签平滑损失函数lsr＝(1-ε)ce+εu；；其中，ce表示交叉熵损失函数，ε是平滑因子，u表示均匀分布的熵。
18、本专利技术的系统采用的技术方案是：一种耦合多层级特征与先验知识的局地气候区分类本文档来自技高网...
【技术保护点】
1.一种耦合多层级特征与先验知识的局地气候区分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的耦合多层级特征与先验知识的局地气候区分类方法，其特征在于：步骤1中，首先对下载的遥感影像进行影像归一化，然后筛选出波段2、3、4、5、6、7、8、8b、11、12共10个波段并将波段中分辨率为20米的波段上采样为10米分辨率，最后对原始遥感影像采用滑动窗口的方式进行裁切，滑动窗口大小为H×W，步长为Z，步长Z*10即为最终局地气候区分类图的空间分辨率。
3.根据权利要求1所述的耦合多层级特征与先验知识的局地气候区分类方法，其特征在于：步骤2中，所述局部多尺度特征提取模块，包括卷积层、若干顺序连接的残差块及下采样层；所述残差块，由两个卷积层和一个残差连接组成；
4.根据权利要求1所述的耦合多层级特征与先验知识的局地气候区分类方法，其特征在于：步骤2中，所述全局多尺度特征提取模块，包括顺序连接的补丁分区层、线性嵌入层、和三个不同尺度的全局特征提取块以及补丁合并层；所述三个尺度的全局特征提取块即不同大小的Swin-TBlock块，Swin-TBl
5.根据权利要求1所述的耦合多层级特征与先验知识的局地气候区分类方法，其特征在于：步骤2中，所述多层级特征融合模块，由顺序连接iSE层、全局平均池化层、多层感知机和平均池化层组成；所述iSE层，由顺序连接的全局池化层GP、第一全连接层FC、第一批归一化层BN、第一Hardtanh激活函数层、第二全连接层FC、第二批归一化层BN、第二Hardtanh激活函数层和Scale加权层；原始输入与所述第二Hardtanh激活函数层输出，经过所述Scale加权层将Hardtanh层的权重系数和原始输入的通道特征相乘后输出；
6.根据权利要求1所述的耦合多层级特征与先验知识的局地气候区分类方法，其特征在于：步骤2中，所述先验知识耦合模块，包括相似类别索引提取层、对应影像提取层、ResNet34网络和融合层；
7.根据权利要求1-6任意一项所述的耦合多层级特征与先验知识的局地气候区分类方法，其特征在于：步骤2中所述耦合多层级特征和先验知识的局地气候区分类网络，是训练好的网络；
8.一种耦合多层级特征与先验知识的局地气候区分类系统，其特征在于，包括：
...【技术特征摘要】
1.一种耦合多层级特征与先验知识的局地气候区分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的耦合多层级特征与先验知识的局地气候区分类方法，其特征在于：步骤1中，首先对下载的遥感影像进行影像归一化，然后筛选出波段2、3、4、5、6、7、8、8b、11、12共10个波段并将波段中分辨率为20米的波段上采样为10米分辨率，最后对原始遥感影像采用滑动窗口的方式进行裁切，滑动窗口大小为h×w，步长为z，步长z*10即为最终局地气候区分类图的空间分辨率。
3.根据权利要求1所述的耦合多层级特征与先验知识的局地气候区分类方法，其特征在于：步骤2中，所述局部多尺度特征提取模块，包括卷积层、若干顺序连接的残差块及下采样层；所述残差块，由两个卷积层和一个残差连接组成；
4.根据权利要求1所述的耦合多层级特征与先验知识的局地气候区分类方法，其特征在于：步骤2中，所述全局多尺度特征提取模块，包括顺序连接的补丁分区层、线性嵌入层、和三个不同尺度的全局特征提取块以及补丁合并层；所述三个尺度的全局特征提取块即不同大小的swin-tblock块，swin-tblock块由顺序连接的第一归一化层、窗口多头注意力层、第二归一化层、第一多层感知机、第三归一化层、滑动窗口多头注意力层、第四归一化层和第二多层感知机组成，所述原始输入与所述窗口多头注意力层输出，通过残差连接相加后输出记为a，输入所述第二归...
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。