[發明專利]一種高分辨率遙感圖像分類方法

有效

• 申請號: 202010018383.0
• 申請日: 2020-01-08
• 公開（公告）號: CN111222576B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 石程;呂志勇;楊秀紅;尤珍臻;都雙麗;石俊飛
• 申請（專利權）人: 西安理工大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06V20/10;G06N3/0464;G06N3/047;G06N3/08
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 張皎

本發明公開了一種高分辨率遙感圖像分類方法，包括：輸入圖像；構造訓練樣本圖像塊集合；構造7層深度卷積神經網絡并對其進行訓練；計算類中心特征；計算訓練樣本圖像塊的差值特征；構造距離測度學習網絡并對其進行訓練；構造測試樣本圖像塊集合；計算測試樣本圖像塊的深度特征；計算測試樣本圖像塊的差值特征；計算測試樣本圖像塊與每一類類中心特征的距離值；選擇測試樣本圖像塊加入訓練樣本圖像塊集合；重復步驟3?11，直到達到預先設定的迭代步數，輸出測試樣本圖像塊a_q的深度特征G_q；訓練softmax分類器；完成分類。通過本發明的方法可以獲得高分辨率遙感圖像分類中大數據量的訓練樣本，同時分類精度高。

技術領域

本發明屬于圖像處理技術領域，涉及一種高分辨率遙感圖像分類方法。

背景技術

高分辨率遙感圖像處理的一個主要內容就是地物目標分類。分類是一種描述地物目標或種類的分析技術，其主要任務是對數據體的每個像素點賦予一個類別標記以產生專題地圖的一種過程,它是人們從遙感影像上提取有用信息的重要途徑之一。分類后產生的專題地圖可以清晰地反映出地物的空間分布，便于人們從中認識和發現其規律，使高分辨率遙感圖像具有真正的使用價值并有效的投入到實際應用中。

高分辨率遙感圖像的特征提取是高分辨率遙感圖像分類的一個重要部分，對分類精度有很大的影響。目前，市場上使用的高分辨率遙感圖像特征提取方法主要有基于光譜信息的特征提取方法，基于空間信息的特征提取方法和結合空間信息和光譜信息的特征提取方法。

在基于光譜信息的特征提取方法中，由于地物光譜響應會受到很多因素的影響，如太陽照度、大氣透明度和風速等，而這些因素通常都是很難準確測量的，所以實際測量得到的地物光譜響應曲線與實際的曲線可能有很大的差異。因此基于光譜信息的特征提取方法常常得到的分類精度不夠理想。

基于空間信息的特征提取方法是一種人工經驗的特征提取方法，需要預先知道圖像的特征，再對應的選擇合適方法，所以該類方法需要較好的先驗知識才能達到較好的分類效果。

結合空間和光譜信息的特征提取方法，借助于高分辨率遙感圖像的光譜和空間信息來提高分類精度，該類方法雖然在一定程度上克服了僅僅使用光譜信息或空間信息造成的地物錯分問題問題，但是仍然需要較多的先驗知識才能夠獲得較好的分類精度。

神經網絡是一類有效的提取空譜特征的方法，也是一種主動的特征學習的方法，不需要對圖像有先驗知識，典型的神經網絡如BP神經網絡、小波神經網絡、和脊波神經網絡。但是這些都是淺層的神經網絡，都只包含3層，為了能夠更好的挖掘圖像更深層的特征，深度神經網絡的模型被提出，典型的深度神經網絡有自編碼深度網絡、受限玻爾茲曼機深度網絡、深度卷積網絡等，這些網絡能夠得到更高的分類精度，從而在高分辨率遙感圖像分類中得到了廣泛的應用。然而目前基于深度神經網絡的分類方法都是在網絡結構上進行改進，并沒有考慮訓練樣本的個數對分類精度的影響。事實上，訓練樣本個數對于分類精度的影響是十分重大的，訓練樣本個數的增加能夠大幅度的提升高分辨率遙感圖像的分類精度。但是訓練樣本的獲取方式主要是人工實地探測，這種標記方法受到野外環境，個人經驗等影響，標記的樣本數量存在很大的局限性，尤其對大數據量的樣本進行標記更加難以實現。

發明內容

本發明的目的是提供一種高分辨率遙感圖像分類方法，解決了現有技術中存在的，難以獲取以及高分辨率遙感圖像的分類精度低的問題。

本發明所采用的技術方案是，一種高分辨率遙感圖像分類方法，具體按照以下步驟實施：

步驟1、輸入高分辨率遙感圖像及該圖像中每個像素的類別信息，分別對每一類隨機選擇若干個像素作為訓練樣本；

步驟2、構造訓練樣本圖像塊a_p及訓練樣本圖像塊集合S₁；