[發明專利]基于注意力機制卷積神經網絡的遙感影像地物標注方法

有效

• 申請號: 201810721848.1
• 申請日: 2018-07-04
• 公開（公告）號: CN109033998B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 史振威;陳浩;馮鵬銘;吳犀;石天陽
• 申請（專利權）人: 北京航空航天大學;北京衛星信息工程研究所
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/764;G06K9/62
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

本發明涉及一種注意力機制卷積神經網絡的遙感影像地物標注方法，包括計算機讀取數據、構造注意力機制的卷積神經網絡、訓練網絡模型、測試網絡得到標注結果四個步驟。本發明通過增加注意力機制模塊，使得網絡有針對性地提取關鍵位置的信息，彌補網絡末端缺乏空間信息的不足，提升對網絡對地物細節的分類效果；并且利用深度監督的機制，利用網絡中間提取的特征進行監督分類，能進一步加快網絡的訓練速度以及提升網絡的綜合性能；通過反卷積的升采樣模塊，使得網絡提取特征的分辨率增加，能夠一定程度上克服小地物難以檢測的問題，能自動化將遙感影像各像元分類為相應地物類別，減少人工解譯的麻煩，大大加快解譯進程，得到精細化的標注結果。

(一)技術領域

本發明涉及一種基于注意力機制卷積神經網絡的遙感影像地物標注方法，屬于可見光遙感影像場景標注技術領域。

(二)背景技術

遙感是利用傳感器遠距離測量一個地理區域的電磁輻射，然后用數學和統計的方法從數據中提取有價值的信息的一種科學活動。遙感影像是傳感器接收到目標的電磁信號轉化為的數字或模擬圖像，屬于成像遙感的范疇。

遙感影像地物標注需要對遙感影像進行逐像素標注，通過提取各點的特征并用分類器分為相應的類別。通過統計全圖各像素的類別情況，得到各類地物的分布、數量等信息，從而得到土地利用與土地覆蓋的情況。遙感地物標注能應用于土地利用監測、土地變化檢測等領域，在國土資源調查方面有十分重要的意義。

遙感影像地物自動標注的傳統方法主要以手工提取影像特征并設計分類器，因為手工設計的特征難以表達地物的語義信息，并且無法適應大規模的影像數據，魯棒性較差。近年來，在計算機視覺領域，一種叫做全卷積神經網絡的技術初步實現了自然場景圖像的語義標注問題。在遙感影像場景標注問題上，也有許多基于深度卷積神經網絡方法。深度卷積神經網絡采用端到端的訓練機制，能夠自動化地實現影像語義標簽的生成，在特征的提取以及特征的逐層抽象上相對傳統方法有巨大的優勢。而自然場景圖像與遙感影像存在著很大的差異，比如：遙感影像地物的尺度相對較小、地物的邊界相對模糊、影像的成像質量相對較低。并且，遙感影像光學絕對分辨率的提高，對遙感影像地物標注提出了更高的要求，因此地物的精細化標注成為一個難點和熱點。

基于注意力機制的方法是受到人的視覺注意力機制的啟發而提出的。人的視覺注意力機制是人具有對特定重點目標的關注能力，表現在人能迅速掃描全圖，對感興趣的區域進行聚焦以及忽略無用的區域信息。注意力機制在計算機視覺以及自然語言處理領域有著廣泛的應用，而在遙感影像處理領域鮮有應用。

在工程實踐中，基于深度卷積網絡的遙感影像地物標注方法首先需要人工標注一定量的樣本，深度學習方法通過原始圖像以及對應的標簽進行特征的提取以及地物的分類。利用訓練得到的網絡模型能夠大大加快遙感影像地物標注的進程。卷積神經網絡的自動標注算法能夠高效地標注地物，解放大量的勞動力，并且將注意力機制與卷積網絡結合能夠得到高質量的地物標注結果，具有廣泛的應用前景。

(三)發明內容

本發明的目的在于提供一種基于注意力機制卷積神經網絡的遙感影像地物標注方法，以自動化地標注遙感影像，將遙感影像各像元標注為相應的地物類別，減少人力物力，大大加快解譯進程，得到高質量的地物標注結果。

本發明是通過以下技術方案實現的：

本發明是一種基于注意力機制卷積神經網絡的遙感影像地物標注方法。該方法的具體步驟如下：

步驟一：計算機讀取遙感影像數據。本發明使用的遙感影像數據均來源于馬薩諸塞州建筑數據集，是由絕對分辨率為1米的RGB彩色影像構成。將帶標簽的樣本圖像分為訓練集和測試集兩部分。由于計算機顯存的限制，在訓練階段，將原始訓練影像切割成321×321大小；在測試階段，將原始測試影像切割成500×500大小，并將標注結果拼接起來得到原始尺寸的分類圖。