[發明專利]基于遷移學習的多源異構遙感樣本庫構建方法及裝置

在審

• 申請號: 202111157123.2
• 申請日: 2021-09-30
• 公開（公告）號: CN113886630A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 邵振峰;張思航
• 申請（專利權）人: 武漢大學
• 主分類號: G06F16/587
• 分類號: G06F16/587;G06T3/00;G06T5/00;G06N3/04;G06N3/08
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 嚴彥

1.一種基于遷移學習的多源異構遙感樣本庫構建方法，其特征在于：包括以下步驟，

步驟a，對城市多源異構遙感數據進行一致性預處理，所述多源異構遙感數據是指來自不同傳感器的不同時間分辨率、不同空間分辨率、不同光譜分辨率以及不同角度成像的遙感數據；

步驟b，構建基于空間域轉換的標簽遷移學習網絡，所述標簽遷移學習網絡中，以高分光學影像x、高分光學樣本l和同一場景下其他異構遙感影像y作為網絡的輸入，通過將高分光學影像x和同一場景下其他異構遙感影像y分別轉換到低維特征空間Z_x和Z_y，并使得Z_x和Z_y有一定交集；通過Z_x和l之間的轉換關系，建立x和l的聯系，最終使得網絡輸出同一場景下其他異構遙感影像y的標簽o；

步驟c，優化網絡模型，包括在網絡訓練過程中，通過反向求導法則來最小化損失函數，直到損失函數值不再下降為止；

步驟d，樣本有效性驗證，包括通過步驟b構建的標簽遷移網絡模型，對多源異構遙感影像進行標記，對樣本是否滿足要求進行有效性驗證，對標記錯誤的影像重新進行標簽學習，直到滿足要求為止。

2.根據權利要求1所述基于遷移學習的多源異構遙感樣本庫構建方法，其特征在于：步驟a中，多源異構遙感數據一致性預處理包括影像的大氣校正、正射校正、幾何配準，其中大氣校正是為了消除由大氣影響所造成的輻射誤差，反演地物真實的表面反射率的過程；正射校正是利用數字高程模型數據對影像同時進行傾斜改正和投影差改正，將影像重采樣成正射影像，將多角度成像的遙感數據進行角度歸一化；幾何配準是對同一場景下的多源異構遙感影像，經幾何變換使同名像點在位置上和方位上完全疊合。

3.根據權利要求1所述基于遷移學習的多源異構遙感樣本庫構建方法，其特征在于：基于空間域轉換的標簽遷移學習網絡的實現方式如下，

設置一個編碼器E，編碼器將輸入的高分光學影像x和其他異構影像y分別編碼到對應的低維特征空間Z_x和Z_y，在低維空間中二者特征是完全對齊的；設置一個生成器G，將低維空間中的特征恢復到源域中的特征；此外，引入一個映射網絡L將輸入的高分光學影像x映射到l。

4.根據權利要求3所述基于遷移學習的多源異構遙感樣本庫構建方法，其特征在于：網絡的目標函數由三部分組成，損失函數定義如下，

Loss＝E_Y,X(Z_y|y)+αG_Y,X(y_Y→Y|Z_y)+βL(y)

其中，α和β為常系數，X,Y分別為x和y的源域空間；損失函數中的第一部分E_Y,X(Z_y|y)為編碼器的損失函數，第二部分G_Y,X(y_Y→Y|Z_y)為生成器的損失函數，第三部分L(y)為映射網絡的損失函數。

網絡訓練過程中，通過反向求導法則來最小化損失函數，直到損失函數值不再下降為止。

5.根據權利要求1或2或3或4所述基于遷移學習的多源異構遙感樣本庫構建方法，其特征在于：用于構建全球城市典型要素多源異構遙感樣本庫。

6.一種基于遷移學習的多源異構遙感樣本庫構建裝置，其特征在于：用于實現如權利要求1-5任一項所述的一種基于遷移學習的多源異構遙感樣本庫構建方法。