[發(fā)明專利]一種基于多源傳感器數(shù)據(jù)的林地精細識別的多通道卷積網(wǎng)絡(luò)方法

有效

• 申請?zhí)枺?/td>: 202010566365.6
• 申請日: 2020-06-19
• 公開（公告）號: CN111914631B
• 公開（公告）日: 2022-10-25
• 發(fā)明（設(shè)計）人: 李偉;張蒙蒙;陶然
• 申請（專利權(quán)）人: 北京理工大學(xué)
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/764;G06V10/80;G06V10/82;G06N3/04;G01S17/89
• 代理公司: 北京睿博行遠知識產(chǎn)權(quán)代理有限公司 11297
• 代理人: 劉桂榮

1.一種基于多源傳感器數(shù)據(jù)的林地精細識別的多通道卷積網(wǎng)絡(luò)方法，其特征在于：該方法的實現(xiàn)步驟如下：首先通過逐波段歸一化的方法對多源數(shù)據(jù)進行量綱歸一化的操作，處理后的數(shù)據(jù)進行1D和2D圖像塊的切割；接著將高光譜的1D和2D圖像塊分批置入HSI網(wǎng)絡(luò)結(jié)構(gòu)，訓(xùn)練并保存權(quán)重參數(shù)；將保存的參數(shù)導(dǎo)入MCNN網(wǎng)絡(luò)中高光譜特征提取的分支中，此時將多源數(shù)據(jù)中高光譜與雷達的1D和2D圖像塊分別輸入到MCNN中，重新進行訓(xùn)練，訓(xùn)練完成后保存整體MCNN的權(quán)重參數(shù)；使用時，將被測試的圖像分為1D和2D圖像塊，輸入訓(xùn)練完成后的MCNN網(wǎng)絡(luò)，得到最終類別劃分；將圖像分為專注于空間特征的2D圖像塊和專注于光譜的1D圖像塊，所獲取HSI-LIDAR的每個塊均對應(yīng)相同場景區(qū)域；具體包括：

S201，2D圖像塊以5×5尺寸的移動窗口在原始圖像上獲取；

S202，1D圖像塊則集中在對應(yīng)2D圖像塊的中心，但僅取中心像素p_(c)，將對所有訓(xùn)練的圖像塊進行角度變換以增加數(shù)據(jù)；

MCNN整體上包含三部分，一是提取高光譜特征的HSI支路，二是提取雷達圖像特征的LIDAR支路，三是兩者間的聯(lián)結(jié)。

2.根據(jù)權(quán)利要求1所述的一種基于多源傳感器數(shù)據(jù)的林地精細識別的多通道卷積網(wǎng)絡(luò)方法，其特征在于：對于波段差異過大的數(shù)據(jù)集，采用逐波段歸一化或最大最小歸一化操作來消除量綱差異，波段間差異小于5倍的數(shù)據(jù)集能夠不采取此步驟。

3.根據(jù)權(quán)利要求1所述的一種基于多源傳感器數(shù)據(jù)的林地精細識別的多通道卷積網(wǎng)絡(luò)方法，其特征在于：將獲得的高光譜數(shù)據(jù)的兩種圖像塊輸入到HSI的雙集中CNN分支進行網(wǎng)絡(luò)的初步訓(xùn)練，在訓(xùn)練完成后保存此分支的權(quán)重；光譜特征的一維處理通道，包括兩個一維卷積層，批歸一化，兩個激活，最大池化和平坦層；一維處理通道集中在中心像素p_(c)上，通過批處理歸一化設(shè)置高學(xué)習率，以加快每個訓(xùn)練小批處理中的收斂；整流線性單元ReLU作為激活，采用卷積和最大池化層同時求解特征；將通過平坦層求解輸出頻譜特征輸入數(shù)據(jù)是圍繞中心像素p_(c)包含窗口大小周邊域的圖像塊，輸出的特征更專注于空間特征隨后空間和光譜特征串聯(lián)并進入全連接層中。

4.根據(jù)權(quán)利要求3所述的一種基于多源傳感器數(shù)據(jù)的林地精細識別的多通道卷積網(wǎng)絡(luò)方法，其特征在于：將保存的HSI網(wǎng)絡(luò)的權(quán)重參數(shù)導(dǎo)入MCNN的HSI特征提取支路中；HSI支路即固定權(quán)重后的HSI的雙集中CNN分支，LIDAR支路主體和雙集中CNN分支結(jié)構(gòu)一樣。

5.根據(jù)權(quán)利要求4所述的一種基于多源傳感器數(shù)據(jù)的林地精細識別的多通道卷積網(wǎng)絡(luò)方法，其特征在于：波段特征的提取和分析著重于中心像素，僅在兩種支路波段信息提取的最后使用簡單的疊加方法，進行計算并通過額外的四層網(wǎng)絡(luò)結(jié)構(gòu)進行細微的調(diào)整，四層結(jié)構(gòu)為Droupout層,批量歸一化層，激活層與全連接層；

空間特征關(guān)注整個圖像塊，信息量更大，兩種支路聯(lián)結(jié)方式更緊密；將HSI空間支路的第二層輸出與LIDAR空間支路的第二層輸出進行疊加連接并送到下一層進行訓(xùn)練，同時在這樣聯(lián)結(jié)支路的第5層和第7層輸出，同樣加入HSI支路第5層與第7層的輸出，第7層聯(lián)結(jié)后，同樣有和波段特征一樣的四層網(wǎng)絡(luò)結(jié)構(gòu)進行細微調(diào)整。