[發明專利]多光譜圖像地物分類方法、系統、介質及終端

有效

• 申請號: 202010059384.X
• 申請日: 2020-01-19
• 公開（公告）號: CN111274936B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 屈辰陽;汪鳴泉;王茂華
• 申請（專利權）人: 中國科學院上海高等研究院
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V20/13;G06V10/774;G06V10/82;G06N3/0464;G06N3/0455;G06N3/08
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 徐秋平

1.一種多光譜圖像地物分類方法，其特征在于，包括以下步驟：

對多光譜圖像進行預處理，獲取樣本集；對多光譜圖像進行預處理，獲取樣本集包括以下步驟：

采集多光譜圖像；

對所述多光譜圖像進行圖像融合，生成融合圖像；

基于所述融合圖像，獲取標注了所有地物的樣本標簽圖；

分別對所述樣本標簽圖和所述多光譜圖像進行裁剪，并對裁剪后的圖像進行擴容，以獲取所述樣本集；分別對所述樣本標簽圖和所述多光譜圖像進行裁剪，并對裁剪后的圖像進行擴容，以獲取所述樣本集包括以下步驟：

將所述樣本標簽圖和所述多光譜圖像對齊后，按照同樣的坐標點分別對所述樣本標簽圖和所述多光譜圖像進行裁剪，并將裁剪所述樣本標簽圖后和裁剪所述多光譜圖像后得到的圖像分別存入兩個文件夾中；兩個文件夾中的裁剪后的圖像一一對應；

對兩個文件夾中一一對應的裁剪后的圖像同時進行擴容，以獲取所述樣本集；

對裁剪后的圖像進行擴容采用旋轉、增加隨機噪聲、扭曲拉伸變換中任一一種或幾種方式的組合；

構建地物分類網絡模型；

基于所述樣本集對所述地物分類網絡模型進行訓練；

基于訓練好的地物分類網絡模型，對待分類的多光譜圖像進行地物分類。

2.根據權利要求1所述的多光譜圖像地物分類方法，其特征在于，所述地物分類網絡模型包括編碼器和解碼器；

所述編碼器采用13層深度可分離卷積，結合多層金字塔池化模塊；所述解碼器使用上采樣方法恢復圖像大小。

3.根據權利要求1所述的多光譜圖像地物分類方法，其特征在于，基于所述樣本集對所述地物分類網絡模型進行訓練包括以下步驟：

按照預設比例將所述樣本集劃分為訓練集和驗證集；

將所述訓練集、所述驗證集和所述多光譜圖像均輸入至所述地物分類網絡模型中，以對所述地物分類網絡模型進行訓練；

輸出驗證集準確率和驗證集損失；當所述驗證集準確率和所述驗證集損失穩定時，停止訓練，以獲取訓練好的地物分類網絡模型。

4.根據權利要求1所述的多光譜圖像地物分類方法，其特征在于，基于訓練好的地物分類網絡模型，對待分類的多光譜圖像進行地物分類包括以下步驟：

將待分類的經過融合的多光譜圖像切割成預設張圖像，并將所述預設張圖像輸入至訓練好的地物分類網絡模型中，以對所述多光譜圖像進行分類并獲取分類后的預設張預測圖集；

將所述預設張預測圖集進行拼接，獲取對所述多光譜圖像分類后的完整的預測圖。

5.一種多光譜圖像地物分類系統，其特征在于，包括：獲取模塊、構建模塊、訓練模塊和分類模塊；

所述獲取模塊用于對多光譜圖像進行預處理，獲取樣本集；對多光譜圖像進行預處理，獲取樣本集包括以下步驟：

采集多光譜圖像；

對所述多光譜圖像進行圖像融合，生成融合圖像；

基于所述融合圖像，獲取標注了所有地物的樣本標簽圖；

分別對所述樣本標簽圖和所述多光譜圖像進行裁剪，并對裁剪后的圖像進行擴容，以獲取所述樣本集；分別對所述樣本標簽圖和所述多光譜圖像進行裁剪，并對裁剪后的圖像進行擴容，以獲取所述樣本集包括以下步驟：

將所述樣本標簽圖和所述多光譜圖像對齊后，按照同樣的坐標點分別對所述樣本標簽圖和所述多光譜圖像進行裁剪，并將裁剪所述樣本標簽圖后和裁剪所述多光譜圖像后得到的圖像分別存入兩個文件夾中；兩個文件夾中的裁剪后的圖像一一對應；

對兩個文件夾中一一對應的裁剪后的圖像同時進行擴容，以獲取所述樣本集；

對裁剪后的圖像進行擴容采用旋轉、增加隨機噪聲、扭曲拉伸變換中任一一種或幾種方式的組合；

所述構建模塊用于構建地物分類網絡模型；

所述訓練模塊用于基于所述樣本集對所述地物分類網絡模型進行訓練；

所述分類模塊用于基于訓練好的地物分類網絡模型，對待分類的多光譜圖像進行地物分類。

6.一種存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現權利要求1至5中任一項所述的多光譜圖像地物分類方法。

7.一種終端，其特征在于，包括：處理器及存儲器；

所述存儲器用于存儲計算機程序；

所述處理器用于執行所述存儲器存儲的計算機程序，以使所述終端執行權利要求1至5中任一項所述的多光譜圖像地物分類方法。