一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法技术

本发明专利技术涉及一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，属于遥感影像分类领域。首先，构建CNN‑Transformer双编码器语义分割模型提取建筑物区域信息，然后，基于建筑物区域信息构建图结构数据，接着，构建多跳图神经网络识别建筑物功能类型；CNN‑Transformer双编码器语义分割模型，实现了在提取全局上下文特征的同时保持局部空间细节特征；多跳图神经网络，预先计算节点的多跳邻域特征，只需要在CPU或分布式系统中计算一次即可用于大规模图结构数据。本发明专利技术网络支持小批量训练，并轻松扩展到大型数据集，消除了训练和预测过程中节点交互的复杂性和计算成本，增强了建筑物功能类型分类的准确性和扩展性，为高效获取遥感影像中的建筑物功能类型提供技术支撑。

【技术实现步骤摘要】

本专利技术属于遥感影像分类领域，具体涉及一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法。

技术介绍

1、城市区域建筑功能类型信息在城市功能区识别、城市环境变量反演等应用领域具有重要作用。精细的城市建筑类型信息有助于开展城市人口估计、城市土地利用和功能区识别、城市生态环境评估等工作。现有的建筑物区域提取方法多通过分析影像提取的建筑对象的形态学、空间关系等二维特征对建筑类型进一步划分，对形状相似的中低层和高层建筑物识别困难。而具有三维特征的高精度lidar数据和高分辨立体相对影像获取成本较高，限制其大范围应用。近年来，以图神经网络为代表的深度学习技术在计算机视觉领域取得了优异的成绩。图神经网络适合处理非欧式空间数据，具有优越的结构特征抽象能力，不仅可以有效的挖掘图数据的深层结构信息，还可自动融合图节点元素的丰富属性信息，为建筑物功能类型分类提供了可能性。

技术实现思路

1、本专利技术的目的在于提供一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，基于多跳邻域特征交互的图神经网络克服了传统gn本文档来自技高网...

【技术保护点】

1.一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，其特征在于，包括：

2.根据权利要求1所述的一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，其特征在于，所述方法具体包括如下步骤：

3.根据权利要求2所述的一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，其特征在于，步骤S1中，对获取的研究区的高分辨率遥感影像进行预处理，包括辐射校正、正射校正、大气校正、影像融合、影像配准和影像重采样操作。

4.根据权利要求2所述的一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，其特征在于，步骤S2中具体包括以下步骤：<...

【技术特征摘要】

1.一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，其特征在于，包括：

2.根据权利要求1所述的一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，其特征在于，所述方法具体包括如下步骤：

3.根据权利要求2所述的一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，其特征在于，步骤s1中，对获取的研究区的高分辨率遥感影像进行预处理，包括辐射校正、正射校正、大气校正、影像融合、影像配准和影像重采样操作。

4.根据权利要求2所述的一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，其特征在于，步骤s2中具体包括以下步骤：

5.根据权利要求2所述的一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，其特征在于，步骤s3中具体包括以下步骤：

6.根据权利要求4所述的一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，其特征在于，步骤s4中具体包括以下步骤：

7.根据权利要求6所述的一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，其特征在于，步骤s5中具...

【专利技术属性】
技术研发人员：李蒙蒙，蔡小娇，汪小钦，
申请(专利权)人：福州大学，
类型：发明
国别省市：