[發明專利]地物分類方法及裝置

在審

• 申請號: 201710628776.1
• 申請日: 2017-07-28
• 公開（公告）號: CN107239775A
• 公開（公告）日: 2017-10-10
• 發明（設計）人: 李樹濤;郝喬波;康旭東
• 申請（專利權）人: 湖南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙)11371
• 代理人: 徐彥圣

1.一種地物分類方法，其特征在于，所述方法包括；

提取高光譜圖像的多個屬性剖面特征，得到第一圖像；

提取激光掃描圖像的屬性剖面特征，得到第二圖像；

將所述第一圖像和所述第二圖像進行融合，得到第三圖像；

利用預設的卷積神經網絡，對所述第三圖像進行特征提取與分類，得到地物分類結果。

2.如權利要求1所述的方法，其特征在于，所述提取高光譜圖像的多個屬性剖面特征，得到第一圖像的步驟，包括：

獲取高光譜圖像；

對所述高光譜圖像進行主成分分析，得到多個主成分圖像；

根據任意一個形態學屬性，得到多個主成分圖像的屬性剖面特征，其中，所述形態學屬性包括面積屬性、慣性矩屬性及標準差屬性；

將多個形態學屬性的屬性剖面特征進行疊加，得到第一圖像。

3.如權利要求2所述的方法，其特征在于，所述根據任意一個形態學屬性，得到多個主成分圖像的屬性剖面特征的步驟，包括：

根據任意一個所述形態學屬性，對每個所述主成分圖像進行開運算和閉運算，獲取每個所述主成分圖像的屬性剖面特征；

將每個所述主成分圖像的屬性剖面特征進行疊加，得到多個主成分圖像的屬性剖面特征。

4.如權利要求1所述的方法，其特征在于，所述利用預設的卷積神經網絡，對所述第三圖像進行特征提取與分類，得到地物分類結果的步驟，包括：

以所述第三圖像中每個像素點為中心，獲取多個大小為n×n的圖像塊，其中，n為大于1的整數；

將多個所述圖像塊輸入所述卷積神經網絡，利用所述卷積神經網絡的第一網絡進行深度特征學習并提取圖像特征，其中，所述第一網絡包括卷積層及池化層；

將從所述第一網絡提取到的圖像特征輸入第二網絡并進行分類，得到每個所述圖像特征的地物類別，其中，所述第二網絡包括全連接層及多類邏輯回歸層；

將每個所述圖像特征的地物類別進行融合，得到地物分類結果。

5.如權利要求4所述的方法，其特征在于，所述將多個圖像塊輸入所述卷積神經網絡，利用所述卷積神經網絡的第一網絡進行深度特征學習并提取圖像特征的步驟，包括：

將多個圖像塊輸入所述卷積神經網絡，利用多層卷積層進行卷積求和、加偏置，并經過ReLu激勵函數，得到每層卷積層的輸出特征圖；

利用每層卷積層后的池化層對該卷積層的輸出特征圖進行下采樣，得到特征映射圖；

利用最后一層卷積層后的池化層對該卷積層的輸出特征圖進行下采樣，得到所述圖像特征。

6.如權利要求5所述的方法，其特征在于，所述將從所述第一網絡提取到的圖像特征輸入第二網絡并進行分類，得到每個所述圖像特征的地物類別的步驟，包括：

利用所述全連接層對最后一層池化層輸出的圖像特征進行拉平，得到特征矢量，其中，所述全連接層的每個神經元對應1個圖像特征；

利用所述多類邏輯回歸層，計算每個所述特征矢量屬于每個預設地物分類的概率值；

獲取每個所述特征矢量的最大概率值對應的預設地物分類，并將該預設地物分類作為該特征矢量對應的圖像特征的地物類別。

7.一種地物分類裝置，其特征在于，所述裝置包括；

第一提取模塊，用于提取高光譜圖像的多個屬性剖面特征，得到第一圖像；

第二提取模塊，用于提取激光掃描圖像的屬性剖面特征，得到第二圖像；

圖像融合模塊，用于將所述第一圖像和所述第二圖像進行融合，得到第三圖像；

地物分類模塊，用于利用預設的卷積神經網絡，對所述第三圖像進行特征提取與分類，得到地物分類結果。

8.如權利要求7所述的裝置，其特征在于，所述第一提取模塊包括：

圖像獲取單元，用于獲取高光譜圖像；

主成分分析單元，用于對所述高光譜圖像進行主成分分析，得到多個主成分圖像；

執行單元，用于根據任意一個形態學屬性，得到多個主成分圖像的屬性剖面特征，其中，所述形態學屬性包括面積屬性、慣性矩屬性及標準差屬性；

第一圖像獲得單元，用于將多個形態學屬性的屬性剖面特征進行疊加，得到第一圖像。