[发明专利]一种基于多层感知机的遥感影像色彩评价方法和系统

权利要求书

1.一种基于多层感知机的遥感影像色彩评价方法，其特征在于，包括：

构建携带有标签信息的遥感影像缩略图样本库；

对遥感影像缩略图样本库中的各缩略图样本进行特征提取；

构建用于二分类的待训练多层感知机神经网络模型；其中，所构建的多层感知机神经网络模型具有4层结构：第一层为输入层；第二层与第三层为隐藏层，均包含50个神经元；最后一层为输出层；其中，各层之间连接方式均为全连接，激活函数为ReLU函数；

根据遥感影像缩略图样本库中的各缩略图样本和提取的特征，对待训练多层感知机神经网络模型进行训练，得到网络参数；

根据得到的网络参数，对待训练多层感知机神经网络模型进行参数更新，得到多层感知机神经网络模型；

根据多层感知机神经网络模型，对待测试遥感影像进行色彩评价；

其中：

对遥感影像缩略图样本库中的各缩略图样本进行特征提取，包括：

计算得到遥感影像缩略图样本库中的各缩略图样本的黑像素掩膜和白像素掩膜，分别除以总像素数得到黑像素比和白像素比共计2维特征；其中，黑像素为：RGB三波段均为零的像素，白像素为：RGB三波段像素值均大于253的像素；

将遥感影像缩略图样本库中的各缩略图样本从RGB色彩空间转换至Lab色彩空间，并结合黑像素掩膜和白像素掩膜，计算得到cast、da、db、D、M、cast_NNO、da_NNO、db_NNO、D_NNO、M_NNO、D_cr和M_cr，共计12维特征；其中，cast：色偏因子；da：Lab色彩空间a分量均值；db：Lab色彩空间b分量均值；D：Lab色彩空间等价圆心与原点间距离；M：Lab色彩空间等价圆半径；cast_NNO：中性灰区域色偏因子；da_NNO：Lab色彩空间中性灰区域a分量均值；db_NNO：Lab色彩空间中性灰区域b分量均值；D_NNO：Lab色彩空间中性灰区域等价圆心与原点间距离；M_NNO：Lab色彩空间中性灰区域等价圆半径；D_cr：Lab色彩空间等价圆心与原点间距离变化幅度；M_cr：Lab色彩空间等价圆半径变化幅度；

根据黑像素与白像素掩膜，计算得到色彩度CCI；

根据黑像素与白像素掩膜，逐波段计算得到R波段、G波段和B波段各自对应的像素均值、标准差、平均梯度与熵值，共计3×4＝12维特征。

2.根据权利要求1所述的基于多层感知机的遥感影像色彩评价方法，其特征在于，构建携带有标签信息的遥感影像缩略图样本库，包括：

获取遥感卫星多光谱相机采集到的多光谱遥感图像；

对所述多光谱遥感图像进行下采样和真彩色合成处理，得到jpg格式的遥感影像缩略图；

根据得到的jpg格式的遥感影像缩略图的色彩状态信息，对得到的jpg格式的遥感影像缩略图进行标签化处理；

根据标签化处理后的jpg格式的遥感影像缩略图，构建得到所述携带有标签信息的遥感影像缩略图样本库。

3.根据权利要求1所述的基于多层感知机的遥感影像色彩评价方法，其特征在于，根据遥感影像缩略图样本库中的各缩略图样本和提取的特征，对待训练多层感知机神经网络模型进行训练，得到网络参数，包括：

按照均值为0，方差为1的标准正态分布对待训练多层感知机神经网络模型的权重进行初始化；

将遥感影像缩略图样本库中的各缩略图样本和提取的特征输入到初始化后的对待训练多层感知机神经网络模型中进行训练，得到预测结果和相对标签的误差；

根据得到的预测结果和相对标签的误差，对待训练多层感知机神经网络模型的权重和偏置进行调整；

当待训练多层感知机神经网络模型迭代更新至预设次数时，记录此时的网络参数。

4.根据权利要求1所述的基于多层感知机的遥感影像色彩评价方法，其特征在于，根据多层感知机神经网络模型，对待测试遥感影像进行色彩评价，包括：

获取待测试遥感影像；

将获取的待测试遥感影像转换为待测缩略图，并提取得到待测缩略图的特征信息；

将待测缩略图的特征信息输入到多层感知机神经网络模型中，得到色彩评价预测结果。