[发明专利]基于U-Net神经网络的土地利用类型识别方法

权利要求书

1.基于U-Net神经网络的土地利用类型识别方法，其特征在于，包括以下步骤：

S1:对输入卫星图片进行切割；

S2:将切割后标准大小图片分别输入UNET网络；

S3:将图片进行特征提取；

S4:将提取特征进行上采样还原；

S5:将还原结果进行SOFTMAX分类；

S6:将图片分类结果输出为PNG格式图片。

2.根据权利要求1所述的基于U-Net神经网络的土地利用类型识别方法，其特征在于，步骤S3，对图片进行特征提取，得到特征图像feature map，对图片进行降维提取，具体方法如下：

将输入图片进行两次卷积；卷积结构统一为3x3的卷积核，padding为0，卷积核每次移动距离striding为1pixel；

上述的两次卷积之后是一个stride为2的max pooling池化，输出特征大小变为1/2*(H,W)；

上面的两个步骤重复5次，最后一次没有max-pooling，直接将得到的feature map送入上采样；

经过以上每个尺度内进行的两次卷积运算和五个池化层尺度变换，将较大的图像转化为较小的特征图像。

3.根据权利要求1所述的基于U-Net神经网络的土地利用类型识别方法，其特征在于，步骤S4，具体为，从特征图像中提取信息，并与上采样部分的同尺度图像进行连接，运算方法如下：

upsampling采用双线性插值bilinear；

skip-connection采用拼接的方式；

最终将特征图像一层层放大转化为最终结果图像。

4.根据权利要求1所述的基于U-Net神经网络的土地利用类型识别方法，其特征在于，步骤S5，将还原结果进行SOFTMAX分类具体方法为：

在输出层采用softmax分类方式，即通过将10个类型的输出权重转化为该像素点属于每个类型的概率，并将该像素点划分为可能性最大的类别进行输出，实现多分类。

5.根据权利要求1所述的基于U-Net神经网络的土地利用类型识别方法，其特征在于，步骤S6，将图片分类结果输出为PNG格式图片，具体为：将每个像素点最大可能性的利用类型用不同颜色代表，颜色由预先设定完成。

6.根据权利要求1到5任一项所述的基于U-Net神经网络的土地利用类型识别方法，其特征在于，步骤S3、S4、S5中特征提取、上采样还原、softmax分类需要一个确定的网络参数，所述的网络参数通过以下方法获得：

(1)数据集划分；

(2)数据集标注；

(3)网络参数训练；

(4)UNET网络输出。

7.根据权利要求6所述的基于U-Net神经网络的土地利用类型识别方法，其特征在于，具体包括以下步骤：

(1)数据集划分：

将卫星遥感影像图片转化为PNG图像，并将其切分为512*512像素图像，将小图像中百分之七十作为数据集，百分之三十作为验证集；

(2)数据集标注；

用labelme软件对土地图像进行标注，生成.json文件。将json文件转化为8-bit灰度图；将原图像作为图片集，将灰度图作为标签集，整体即为数据集；

(3)参数训练；

在模型训练过程中采用梯度下降法更新梯度；

使用交叉熵作为损失函数，函数公式：

此时梯度导数为：

式中：

y_i代表真实值，O_k代表全连接层第k个节点的值，ω_j,k代表从全连接层第k个点到输出权重层第j个点的参数。Z_j代表输出权重层即倒数第二层第j个节点的值，S_i代表softmax输出的第i类型概率值1≤i≤10；

(4)UNET网络输出

设置各项网络参数，借用已有模型进行迁移训练，或者重新训练网络；运行程序，训练网络参数，并将训练结果模型储存在规定的位置。