【技术实现步骤摘要】
本专利技术涉及遥感，尤其涉及一种基于小样本的遥感影像分类方法、设备及装置。
技术介绍
1、近年来，随着卫星遥感技术的迅速发展，大量遥感图像被应用于军事、智慧农业、城镇规划等众多领域。在遥感数据处理过程中，场景分类是一个非常重要的环节，最近随着多种不同新型网络的提出，深度学习已成功应用于遥感图像场景分类。然而，深度学习方法目前需要依赖大量的标记数据样本才能取得较好的分类结果，遥感图像由于其裁剪的复杂性，图像标注工作需要具备专业知识的专家来完成，研究人员很难获得大规模的遥感影像标注数据集。相对于主流深度学习方法所采用的标准数据集，现有的遥感影像标记数据十分有限，严重制约了基于深度神经网络的遥感影像分析方法的性能。另外，由于遥感图像受拍摄角度、距离和光线等因素影响，同一类场景中会出现较大的纹理或形状等特征差异，而不同类场景中却存在相似特征，且存在目标对象和背景混杂问题，在小样本条件下更加不易进行分类。
2、现有的遥感影像分类算法都注意到了部分遥感场景存在的不同类别间图像相似度高，同类别间差异大的问题。传统cnn模型在有限图像样本条...
【技术保护点】
1.一种基于小样本的遥感影像分类方法，其特征在于，所述基于小样本的遥感影像分类方法包括以下步骤：
2.如权利要求1所述的基于小样本的遥感影像分类方法，其特征在于，所述基于预设ER-MSA-Fuse网络模型对目标小样本遥感影像集进行局部特征提取，获得局部特征的步骤之前，还包括：
3.如权利要求2所述的基于小样本的遥感影像分类方法，其特征在于，所述根据所述ECA-RepVGGBlock网络构建改进后的RepVGG模型的步骤之后，还包括：
4.如权利要求3所述的基于小样本的遥感影像分类方法，其特征在于，所述根据所述全局特征提取器、所述局部...
【技术特征摘要】
1.一种基于小样本的遥感影像分类方法，其特征在于，所述基于小样本的遥感影像分类方法包括以下步骤：
2.如权利要求1所述的基于小样本的遥感影像分类方法，其特征在于，所述基于预设er-msa-fuse网络模型对目标小样本遥感影像集进行局部特征提取，获得局部特征的步骤之前，还包括：
3.如权利要求2所述的基于小样本的遥感影像分类方法，其特征在于，所述根据所述eca-repvggblock网络构建改进后的repvgg模型的步骤之后，还包括：
4.如权利要求3所述的基于小样本的遥感影像分类方法，其特征在于，所述根据所述全局特征提取器、所述局部特征提取器以及预设多分支自适应特征融合网络lgf构建初始er-msa-fuse网络模型的步骤之后，还包括：
5.如权利要求4所述的基于小样本的遥感影像分类方法，其特征在于，所述将所述训练图像集输入至初始er-msa-fuse网...
【专利技术属性】
技术研发人员：李子茂，帖军，于舒，郑禄，施朦，王铁燕，徐科，田娟娟，
申请(专利权)人：中南民族大学，
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。