[發明專利]一種基于改進Dense-Net的遙感圖像分類方法

在審

• 申請號: 202111084417.7
• 申請日: 2021-09-16
• 公開（公告）號: CN113762196A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 姜艷姝;孫炳靖
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06K9/46;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于改進Dense?Net的遙感圖像分類方法，涉及遙感圖像技術領域；它的分類方法如下：步驟一：遙感圖像底層及深層特征提取；步驟二：通道機制的搭建：在原始模型的基礎上通過在網絡中添加注意機制；步驟三：特征融合模型搭建：提取底層特征，融合進帶有注意機制的網絡中；本發明結合注意力機制的卷積神經網絡構建遙感圖像場景語義，對遙感圖像進行分類；由于VGG、ResNet等模型不僅參數較多而且準確率也不高，利用DenseNet提取圖像特征，并通過加深網絡層數提取更深層特征，同時，通過添加注意機制突出圖像中有效信息的提取，并且結合底層特征提取。

技術領域

本發明屬于遙感圖像技術領域，具體涉及一種基于改進 Dense-Net的遙感圖像分類方法。

背景技術

遙感圖像是通過遙感器、遙感平臺、信息傳輸設備、接收裝置對目標物進行檢測，再由圖像處理設備處理得到的反映目標光學特性的圖像，在 20 世紀 60 年代逐漸得到發展。隨著航空航天技術的發展以及遙感技術的進步，可用的衛星圖像資源越來越充沛，從而為繪制此類圖像提供了較好的數據源。這些遙感圖像包含豐富的地物幾何與屬性細節信息，在地質調查、城市規劃、災害監測、交通旅游等領域得到了廣泛的應用。因此，國內外有關土地利用調查、城市規劃等方面的研究主要是如何充分利用對遙感圖像的分析。

同時由于遙感圖像分辨率的不斷提升，遙感圖像中包含的高層語義信息在處理人地關系以及國民經濟的發展中起著十分重要的作用，之前完全依靠手工對這些圖像進行管理的傳統方法已經越來越行不通，并且傳統的分類方法無法對這些高層語義信息解譯，并且，遙感圖像不同于普通圖像，其存在類內差異大，類間差異小的特點，所以傳統方法就會存在一些局限性，場景即以人類視覺對現實環境的命名方式定義場景名稱，包含語義一致性等特性，圖像的場景類別在表示人類對圖像全局認識的同時，還包含了圖像中對象出現的前后文信息。例如，將一幅高分辨率城市遙感圖像劃分成居民區、公路、機場、沙灘、林地、河流等等。這樣在工作人員城市規劃的時候，可以對城市的現狀有一個全局的掌握，方便開展后面的工作。近幾年興起的神經網絡相較于傳統方法可以更好地學習遙感圖像的高級語義信息，并且節省了很大的人力成本，所以很有前景，當然這其中也存在一些問題需要優化。

發明內容

為解決背景技術中的問題；本發明的目的在于提供一種基于改進 Dense-Net的遙感圖像分類方法。

本發明的一種基于改進 Dense-Net的遙感圖像分類方法，它的分類方法如下：

步驟一：遙感圖像底層及深層特征提取：基于卷積神經網絡提取遙感圖像的深度特征以及遙感圖像底層顏色、紋理特征的相關理論基礎上，并對基于 DenseNet深度卷積神經網絡模型得到的遙感圖像深度特征進行提取，構建遙感圖像的高層場景語義特征，用以建立高分辨率遙感圖像場景分類模型；

步驟二：通道機制的搭建：在原始模型的基礎上通過在網絡中添加注意機制；

步驟三：特征融合模型搭建：提取底層特征，融合進帶有注意機制的網絡中。

與現有技術相比，本發明的有益效果為：

一、結合注意力機制的卷積神經網絡構建遙感圖像場景語義，對遙感圖像進行分類。

二、由于 VGG、ResNet 等模型不僅參數較多而且準確率也不高，利用 DenseNet提取圖像特征，并通過加深網絡層數提取更深層特征，同時，通過添加注意機制突出圖像中有效信息的提取，并且結合底層特征提取。

附圖說明

為了易于說明，本發明由下述的具體實施及附圖作以詳細描述。

圖1為本發明的流程圖。

具體實施方式