[發明專利]一種基于卷積神經網絡的遙感影像的植被提取優化方法在審
| 申請號： | 201810735084.1 | 申請日： | 2018-07-06 |
| 公開（公告）號： | CN109034007A | 公開（公告）日： | 2018-12-18 |
| 發明（設計）人： | 吳方才;姜河;傅曉夢 | 申請（專利權）人： | 航天星圖科技（北京）有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 101399 北京市順義區臨空經濟核*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 遙感影像 植被 訓練過程 卷積神經網絡 網絡 卷積 人工標注 自動提取 人工的 輸出層 加載 優化 樣本 影像 自動化 應用 改進 學習 | ||
【權利要求書】：
1.一種基于卷積神經網絡的遙感影像的植被提取優化方法，其特征在于：所述方法包括訓練過程和提取過程；
所述訓練過程包括以下步驟：
S11、選取要用于進行識別的影像類型，對影像上的植被進行人工標注，并將標注保存為柵格數據；
S12、將步驟S11得到的標注數據和原始數據進行切塊，切塊大小為512×512像素，舍棄邊緣大小不足512像素的部分，原始數據需要和標注的數據一一對應；將數據的百分之二十作為驗證集，剩余的作為樣本集；
S13、修改VGG16網絡模型，將最后的卷積層修改為全積層，構建全積網絡；
S14、使用步驟S12中的樣本對步驟S13中的模型進行訓練；
S15、根據結果，加深網絡的層次，使用步驟S14訓練的模型作為預訓練模型，再次使用步驟S12的樣本進行訓練，得到訓練好的模型；
所述提取過程包括以下步驟：
S21、加載訓練過程步驟S15中訓練好的模型；
S22、對要進行植被提取的樣本進行分塊處理，分塊的大小為512×512像素，和樣本相同；
S23、使用步驟S21中的模型分別對每塊影像進行處理，提取出植被所在的區域；
S24、對步驟S23中提取出來的區域進行合并，得到提取結果。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于航天星圖科技（北京）有限公司，未經航天星圖科技（北京）有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810735084.1/1.html，轉載請聲明來源鉆瓜專利網。
