[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

技術領域

本發明涉及遙感技術領域，具體而言，涉及一種地物分類方法及裝置。

背景技術

高光譜圖像是當前遙感領域的前沿技術，其能夠獲取上百個光譜連續的波段。與全色、多光譜遙感圖像相比，高光譜圖像具有更加高的光譜分辨率，能夠提供更加豐富的地物信息，從而更好的識別地物。但是，高光譜圖像不能很好的解決復雜城市區域的建筑物陰影、云覆蓋等難題，另外，在對更復雜的城市區域進行地物分類時，高光譜圖像不能有效區分由相同材料組成的不同地物，因此，需要提取更具可分性的空譜特征。

基于形態學屬性剖面的空間結構特征能夠有效提取高光譜圖像中多尺度結構信息，但是由于高光譜圖像的復雜性和多樣性，單一的特征對高光譜圖像的描述有限，在大場景高光譜圖像的識別分類中，難以獲取足夠的訓練樣本，計算代價大。

發明內容

本發明的目的在于提供一種地物分類方法及裝置，用以改善上述問題。

為了實現上述目的，本發明實施例采用的技術方案如下：

第一方面，本發明提供了一種地物分類方法，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；將第一圖像和第二圖像進行融合，得到第三圖像；利用預設的卷積神經網絡，對第三圖像進行特征提取與分類，得到地物分類結果。

第二方面，本發明提供了一種地物分類裝置，所述裝置包括第一提取模塊、第二提取模塊、圖像融合模塊及地物分類模塊。其中，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第一圖像和第二圖像進行融合，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，對第三圖像進行特征提取與分類，得到地物分類結果。

相對現有技術，本發明具有以下有益效果：本發明提供的一種地物分類方法及裝置，通過將高光譜圖像的多個屬性剖面特征和激光掃描圖像的屬性剖面特征進行融合，將髙光譜圖像豐富的光譜信息和激光掃描圖像精確的高程信息進行互補，解決了現有技術中由于光譜信息不準確導致的地物分類受局限的問題。另外，利用卷積神經網絡進行特征提取與分類，降低了對訓練樣本的數量要求，同時提升了地物分類的精度。

為使本發明的上述目的、特征和優點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應當理解，以下附圖僅示出了本發明的某些實施例，因此不應被看作是對范圍的限定，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他相關的附圖。

圖1示出了本發明實施例提供的電子設備的方框示意圖。

圖2示出了本發明實施例提供的地物分類方法流程圖。

圖3為圖2示出的步驟S101的子步驟流程圖。

圖4為圖3示出的子步驟S1013的子步驟流程圖。

圖5為圖2示出的步驟S104的子步驟流程圖。

圖6為圖5示出的子步驟S1042的子步驟流程圖。

圖7為圖5示出的子步驟S1043的子步驟流程圖。

圖8示出了本發明實施例提供的地物分類裝置的方框示意圖。

圖9為圖8示出的地物分類裝置中第一提取模塊的方框示意圖。

圖10為圖9示出的第一提取模塊中執行單元的方框示意圖。

圖11為圖8示出的地物分類裝置中地物分類模塊的方框示意圖。

圖12為圖11示出的地物分類模塊中圖像特征提取單元的方框示意圖。

圖13為圖11示出的地物分類模塊中圖像特征分類單元的方框示意圖。

圖標：100-電子設備；101-存儲器；102-存儲控制器；103-處理器；200-地物分類裝置；201-第一提取模塊；2011-圖像獲取單元；2012-主成分分析單元；2013-執行單元；20131-特征獲取單元；20132-特征疊加單元；2014-第一圖像獲得單元；202-第二提取模塊；203-圖像融合模塊；204-地物分類模塊；2041-圖像塊獲取單元；2042-圖像特征提取單元；20421-第一子執行單元；20422-第二子執行單元；20423-圖像特征獲得單元；2043-圖像特征分類單元；20431-特征矢量獲得單元；20432-概率值計算單元；20433-地物類別獲得單元；2044-地物分類結果獲得單元。

具體實施方式