[發(fā)明專利]一種基于Faster RCNN的遙感影像對(duì)象間空間關(guān)系的識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810517464.8
• 申請(qǐng)日: 2018-05-25
• 公開(kāi)（公告）號(hào): CN108776777A
• 公開(kāi)（公告）日: 2018-11-09
• 發(fā)明（設(shè)計(jì)）人: 崔巍;徐旭祥;張東友;黃智新;王飛;周琪;鄭振東
• 申請(qǐng)（專利權(quán)）人: 武漢理工大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 王丹;劉琰

本發(fā)明公開(kāi)了一種基于Faster RCNN的遙感影像對(duì)象間空間關(guān)系的識(shí)別方法，包括如下步驟：數(shù)據(jù)獲取；數(shù)據(jù)預(yù)處理；切割影像數(shù)據(jù)；制作樣本集標(biāo)注；構(gòu)建Faster RCNN網(wǎng)絡(luò)結(jié)構(gòu)；設(shè)定訓(xùn)練參數(shù)；選取訓(xùn)練集、測(cè)試集和驗(yàn)證集；對(duì)訓(xùn)練集進(jìn)行訓(xùn)練；測(cè)試Faster RCNN網(wǎng)絡(luò)訓(xùn)練的模型。本發(fā)明的目的是通過(guò)基于Faster RCNN的模型思維來(lái)對(duì)高分辨率遙感影像中對(duì)象間的空間關(guān)系進(jìn)行識(shí)別檢測(cè)，空間關(guān)系的識(shí)別檢測(cè)是遙感領(lǐng)域的一大難點(diǎn)，本發(fā)明中能提取到對(duì)象間相鄰關(guān)系，也可以為后續(xù)更多更復(fù)雜的空間關(guān)系的提取奠定基礎(chǔ)。

技術(shù)領(lǐng)域

本發(fā)明涉及對(duì)象識(shí)別技術(shù)領(lǐng)域，尤其涉及一種基于Faster RCNN的遙感影像對(duì)象間空間關(guān)系的識(shí)別方法。

背景技術(shù)

目標(biāo)檢測(cè)和識(shí)別近年來(lái)一直是計(jì)算機(jī)視覺(jué)研究方面比較熱門(mén)的領(lǐng)域，深度學(xué)習(xí)方面用于對(duì)象檢測(cè)識(shí)別的網(wǎng)絡(luò)模型也種類(lèi)繁多。在這些算法模型中，F(xiàn)aster RCNN算法是在RCNN算法和Fast RCNN算法的基礎(chǔ)上進(jìn)行了改進(jìn)，是目標(biāo)檢測(cè)和識(shí)別領(lǐng)域較為經(jīng)典的算法，也是我們本次方法中所采用的目標(biāo)檢測(cè)識(shí)別算法。

但是不論是深度學(xué)習(xí)模型還是目標(biāo)檢測(cè)算法，在常規(guī)計(jì)算機(jī)視覺(jué)研究領(lǐng)域多用于自然場(chǎng)景下的對(duì)象檢測(cè)，就是檢測(cè)自然場(chǎng)景中的單個(gè)的對(duì)象和物體，而極少涉及到高分辨率遙感影像中的對(duì)象間空間關(guān)系的檢測(cè)和識(shí)別。確切而言，國(guó)內(nèi)外對(duì)于遙感影像分類(lèi)識(shí)別領(lǐng)域中的對(duì)象之間的空間關(guān)系檢測(cè)識(shí)別這個(gè)部分還處于盲區(qū)。所以在遙感影像識(shí)別和地物分類(lèi)方面存在以下問(wèn)題。

在遙感影像中存在住宅、工業(yè)、道路等眾多的地物種類(lèi)，因此也就存在著更為復(fù)雜的空間關(guān)系，如何在高分辨率遙感影像中識(shí)別遙感影像中不同空間對(duì)象間復(fù)雜的空間關(guān)系并加以提取是遙感領(lǐng)域一個(gè)很重要的研究課題。空間關(guān)系是用來(lái)描述遙感影像的一個(gè)重要指標(biāo)，不同的空間對(duì)象之間因?yàn)槠淇臻g位置不同而具有了特定的空間關(guān)系。遙感影像也正是由于其具有空間關(guān)系而與視覺(jué)研究領(lǐng)域常規(guī)的自然場(chǎng)景圖區(qū)分開(kāi)來(lái)。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問(wèn)題在于針對(duì)現(xiàn)有技術(shù)中的缺陷，提供一種基于FasterRCNN的遙感影像對(duì)象間空間關(guān)系的識(shí)別方法。

本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：

本發(fā)明提供一種基于Faster RCNN的遙感影像對(duì)象間空間關(guān)系的識(shí)別方法，該識(shí)別方法中的對(duì)象間空間關(guān)系為：高分遙感影像中的住宅和道路之間存在的相鄰關(guān)系，該方法包括以下步驟：

數(shù)據(jù)獲取：獲取研究地段的高分辨率遙感影像；

數(shù)據(jù)預(yù)處理：對(duì)獲取的遙感影像數(shù)據(jù)進(jìn)行預(yù)處理，包括幾何校正、大氣校正、裁剪拼接；

切割影像數(shù)據(jù)：根據(jù)統(tǒng)計(jì)學(xué)中的正態(tài)分布的方法得到影像切割的尺度，通過(guò)編寫(xiě)腳本在軟件ArcGIS中將研究需要的樣本數(shù)據(jù)從預(yù)處理后的影像數(shù)據(jù)里面按確定的尺度切割出來(lái)，切割出來(lái)的樣本數(shù)據(jù)以ID加影像格式后綴名來(lái)命名，得到樣本集；

制作樣本集的標(biāo)注：利用Labelimg圖形標(biāo)注工具對(duì)切割好的樣本集進(jìn)行標(biāo)注，并通過(guò)Labelimg圖形標(biāo)注工具人工畫(huà)出樣本集中空間對(duì)象和空間關(guān)系的RectBox，得到每個(gè)樣本數(shù)據(jù)對(duì)應(yīng)影像的XML標(biāo)注文件；

構(gòu)建Faster RCNN網(wǎng)絡(luò)結(jié)構(gòu)：在深度學(xué)習(xí)系統(tǒng)TensorFlow中構(gòu)建Faster RCNN的網(wǎng)絡(luò)結(jié)構(gòu)，F(xiàn)aster RCNN網(wǎng)絡(luò)結(jié)構(gòu)包括：輸入層、池化層、卷積層和輸出層；

設(shè)定訓(xùn)練參數(shù)：根據(jù)研究需求對(duì)迭代次數(shù)進(jìn)行設(shè)定，對(duì)Faster RCNN網(wǎng)絡(luò)結(jié)構(gòu)中的各個(gè)訓(xùn)練參數(shù)進(jìn)行修改，訓(xùn)練參數(shù)包括類(lèi)別名稱、類(lèi)別數(shù)量；

選取訓(xùn)練集、測(cè)試集和驗(yàn)證集：通過(guò)隨機(jī)函數(shù)從樣本集中選取訓(xùn)練集和測(cè)試集，設(shè)定每N個(gè)樣本數(shù)據(jù)為一次循環(huán)，其中前N-1個(gè)樣本數(shù)據(jù)為訓(xùn)練集，最后一個(gè)為測(cè)試集；并通過(guò)隨機(jī)函數(shù)繼續(xù)選取驗(yàn)證集；