遥感影像分类方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种遥感影像分类方法、装置、电子设备及存储介质，属于遥感影像处理技术领域，包括：对全色影像和多光谱影像进行滑动窗口采样，获取全色影像块和多光谱影像块；将任一地理坐标范围的一组全色影像块和多光谱影像块输入至双流卷积分类模型，获取遥感影像分类概率图；将所有遥感影像分类概率图拼接得到目标区域的整景影像分类概率图。本发明专利技术提供的基于全色‑多光谱的双流卷积分类模型的遥感影像分类方法，利用全色和多光谱影像进行端到端的遥感影像分类，省去了预先对全色影像和多光谱影像进行融合的步骤，在各个精度指标上均优于传统的单流网络，拥有更少的计算量和更高的秒处理帧数，有助于提高实际生产环境中的生产效率。

【技术实现步骤摘要】

本专利技术涉及遥感影像处理，尤其涉及一种遥感影像分类方法、装置、电子设备及存储介质。

技术介绍

1、遥感影像分类指的是将遥感影像中的所有像素按照一定的分类体系划分为不同的类别，在国土调查、环境监测、精准农业等领域都有重要应用。

2、光学卫星影像是遥感影像分类最主要的数据源，而光学卫星影像一般由高分辨率、单通道的全色影像和低分辨率、多通道的多光谱影像构成。为了充分利用全色影像的空间细节表达能力和多光谱影像的可见近红外反射率表达能力，一般首先基于像素级融合将全色和多光谱影像的信息合并为高分辨率多光谱的影像，再利用卷积神经网络提取影像特征，最后利用分类器获得像素的类别信息。

3、现有技术这种先像素级融合再提取特征并分类的方法可以看作是一种两阶段的方法，神经网络的训练和推理都需要以像素级融合为前置处理步骤，因此对于由全色、多光谱影像构成的光学卫星影像而言并非端到端方法。此外，像素级融合会改变原始影像的像素值可能导致失真，像素级融合耗时较长（单机环境下单景高分6号影像融合约需2小时），融合影像对存储能力需求大（融合后影像数据量约3倍于融合前影本文档来自技高网...

【技术保护点】

1.一种遥感影像分类方法，其特征在于，包括：

2.根据权利要求1所述的遥感影像分类方法，其特征在于，所述第一骨干网络和所述第二骨干网络是基于两个权重不共享的EfficientNet-B3网络模型构建的；

3.根据权利要求1所述的遥感影像分类方法，其特征在于，所述空间注意力模块包括：多个具有不同卷积核的卷积层、第一特征拼接层和第一隐藏单元；所述第一隐藏单元包括第一拼接特征卷积块和第一激活函数层；

4.根据权利要求1所述的遥感影像分类方法，其特征在于，所述通道注意力模块包括：全局平均池化单元、全局最大池化单元、第二特征拼接层、多个具有不同卷积核的一维卷积层...

【技术特征摘要】

1.一种遥感影像分类方法，其特征在于，包括：

2.根据权利要求1所述的遥感影像分类方法，其特征在于，所述第一骨干网络和所述第二骨干网络是基于两个权重不共享的efficientnet-b3网络模型构建的；

3.根据权利要求1所述的遥感影像分类方法，其特征在于，所述空间注意力模块包括：多个具有不同卷积核的卷积层、第一特征拼接层和第一隐藏单元；所述第一隐藏单元包括第一拼接特征卷积块和第一激活函数层；

4.根据权利要求1所述的遥感影像分类方法，其特征在于，所述通道注意力模块包括：全局平均池化单元、全局最大池化单元、第二特征拼接层、多个具有不同卷积核的一维卷积层、第三特征拼接层和第二隐藏单元，所述第二隐藏单元包括第二拼接特征卷积块和第二激活函数层；

5.根据权利要求1所述的遥感影像分类方法，其特征在于，所述特征融合模块包括：反卷积层、至少一个用于降维的卷积层、第四特征拼接层和第三拼接特征卷积块；

6.根据权利要求1所述的遥感影像分类方法，其特征在于，所述特征分类模块包括全...

【专利技术属性】
技术研发人员：陈静波，孟瑜，岳安志，李英龙，陈建胜，刘帝佑，宋柯，邓毓弸，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：