[发明专利]多光谱图像地物分类方法、系统、介质及终端

权利要求书

1.一种多光谱图像地物分类方法，其特征在于，包括以下步骤：

对多光谱图像进行预处理，获取样本集；对多光谱图像进行预处理，获取样本集包括以下步骤：

采集多光谱图像；

对所述多光谱图像进行图像融合，生成融合图像；

基于所述融合图像，获取标注了所有地物的样本标签图；

分别对所述样本标签图和所述多光谱图像进行裁剪，并对裁剪后的图像进行扩容，以获取所述样本集；分别对所述样本标签图和所述多光谱图像进行裁剪，并对裁剪后的图像进行扩容，以获取所述样本集包括以下步骤：

将所述样本标签图和所述多光谱图像对齐后，按照同样的坐标点分别对所述样本标签图和所述多光谱图像进行裁剪，并将裁剪所述样本标签图后和裁剪所述多光谱图像后得到的图像分别存入两个文件夹中；两个文件夹中的裁剪后的图像一一对应；

对两个文件夹中一一对应的裁剪后的图像同时进行扩容，以获取所述样本集；

对裁剪后的图像进行扩容采用旋转、增加随机噪声、扭曲拉伸变换中任一一种或几种方式的组合；

构建地物分类网络模型；

基于所述样本集对所述地物分类网络模型进行训练；

基于训练好的地物分类网络模型，对待分类的多光谱图像进行地物分类。

2.根据权利要求1所述的多光谱图像地物分类方法，其特征在于，所述地物分类网络模型包括编码器和解码器；

所述编码器采用13层深度可分离卷积，结合多层金字塔池化模块；所述解码器使用上采样方法恢复图像大小。

3.根据权利要求1所述的多光谱图像地物分类方法，其特征在于，基于所述样本集对所述地物分类网络模型进行训练包括以下步骤：

按照预设比例将所述样本集划分为训练集和验证集；

将所述训练集、所述验证集和所述多光谱图像均输入至所述地物分类网络模型中，以对所述地物分类网络模型进行训练；

输出验证集准确率和验证集损失；当所述验证集准确率和所述验证集损失稳定时，停止训练，以获取训练好的地物分类网络模型。

4.根据权利要求1所述的多光谱图像地物分类方法，其特征在于，基于训练好的地物分类网络模型，对待分类的多光谱图像进行地物分类包括以下步骤：

将待分类的经过融合的多光谱图像切割成预设张图像，并将所述预设张图像输入至训练好的地物分类网络模型中，以对所述多光谱图像进行分类并获取分类后的预设张预测图集；

将所述预设张预测图集进行拼接，获取对所述多光谱图像分类后的完整的预测图。

5.一种多光谱图像地物分类系统，其特征在于，包括：获取模块、构建模块、训练模块和分类模块；

所述获取模块用于对多光谱图像进行预处理，获取样本集；对多光谱图像进行预处理，获取样本集包括以下步骤：

采集多光谱图像；

对所述多光谱图像进行图像融合，生成融合图像；

基于所述融合图像，获取标注了所有地物的样本标签图；

分别对所述样本标签图和所述多光谱图像进行裁剪，并对裁剪后的图像进行扩容，以获取所述样本集；分别对所述样本标签图和所述多光谱图像进行裁剪，并对裁剪后的图像进行扩容，以获取所述样本集包括以下步骤：

将所述样本标签图和所述多光谱图像对齐后，按照同样的坐标点分别对所述样本标签图和所述多光谱图像进行裁剪，并将裁剪所述样本标签图后和裁剪所述多光谱图像后得到的图像分别存入两个文件夹中；两个文件夹中的裁剪后的图像一一对应；

对两个文件夹中一一对应的裁剪后的图像同时进行扩容，以获取所述样本集；

对裁剪后的图像进行扩容采用旋转、增加随机噪声、扭曲拉伸变换中任一一种或几种方式的组合；

所述构建模块用于构建地物分类网络模型；

所述训练模块用于基于所述样本集对所述地物分类网络模型进行训练；

所述分类模块用于基于训练好的地物分类网络模型，对待分类的多光谱图像进行地物分类。

6.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至5中任一项所述的多光谱图像地物分类方法。

7.一种终端，其特征在于，包括：处理器及存储器；

所述存储器用于存储计算机程序；

所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行权利要求1至5中任一项所述的多光谱图像地物分类方法。