[发明专利]一种基于卷积神经网络的遥感影像的植被提取优化方法在审
| 申请号： | 201810735084.1 | 申请日： | 2018-07-06 |
| 公开（公告）号： | CN109034007A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 吴方才;姜河;傅晓梦 | 申请（专利权）人： | 航天星图科技（北京）有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 101399 北京市顺义区临空经济核*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 遥感影像 植被 训练过程 卷积神经网络 网络 卷积 人工标注 自动提取 人工的 输出层 加载 优化 样本 影像 自动化 应用 改进 学习 | ||
【权利要求书】：
1.一种基于卷积神经网络的遥感影像的植被提取优化方法，其特征在于：所述方法包括训练过程和提取过程；
所述训练过程包括以下步骤：
S11、选取要用于进行识别的影像类型，对影像上的植被进行人工标注，并将标注保存为栅格数据；
S12、将步骤S11得到的标注数据和原始数据进行切块，切块大小为512×512像素，舍弃边缘大小不足512像素的部分，原始数据需要和标注的数据一一对应；将数据的百分之二十作为验证集，剩余的作为样本集；
S13、修改VGG16网络模型，将最后的卷积层修改为全积层，构建全积网络；
S14、使用步骤S12中的样本对步骤S13中的模型进行训练；
S15、根据结果，加深网络的层次，使用步骤S14训练的模型作为预训练模型，再次使用步骤S12的样本进行训练，得到训练好的模型；
所述提取过程包括以下步骤：
S21、加载训练过程步骤S15中训练好的模型；
S22、对要进行植被提取的样本进行分块处理，分块的大小为512×512像素，和样本相同；
S23、使用步骤S21中的模型分别对每块影像进行处理，提取出植被所在的区域；
S24、对步骤S23中提取出来的区域进行合并，得到提取结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于航天星图科技（北京）有限公司，未经航天星图科技（北京）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810735084.1/1.html，转载请声明来源钻瓜专利网。
