[发明专利]基于CNN与超像素结合的组合核遥感影像目标检测方法

权利要求书

1.基于CNN与超像素结合的组合核遥感影像目标检测方法，其特征在于，包括以下步骤：

步骤1，将原始的遥感影像进行超像素分割，将超像素分割图与所述原始的遥感影像结合生成带有超像素索引的遥感影像；

步骤2，获得超像素分割后的遥感影像的光谱核；

步骤3，利用深度神经网络对超像素分割后的遥感影像超像素内的空间特征进行提取，得到超像素内的深度空间核；

步骤4，利用加权平均算法提取超像素间的空间特征，得到超像素间的空间核；

步骤5，将所得的光谱核、超像素内深度空间核和超像素间空间核进行组合，形成多核支持向量机分类器，将遥感影像数据集分成训练集和测试集，利用分类器对所述训练集进行训练得到模型后，通过所述模型对遥感影像测试集进行目标检测。

2.根据权利要求1所述的基于CNN与超像素结合的组合核遥感影像目标检测方法，其特征在于，所述步骤1，包括以下步骤，

步骤1-1，将所述原始的遥感影像进行主成分分析处理，生成主成分分析降维后的特征；

步骤1-2，选择主成分分析降维后特征的前三个主成分，生成三个各不相关的主成分图像，根据选择出的所述主成分图像计算超像素数L，所述超像素数L根据纹理的复杂程度来进行选择，所述超像素数L的计算公式如下：

L＝L_base×R_texture

其中，L_base是基超像素数，R_texture是纹理比率，n表示经过Sobel滤波后的主成分图像中的非零元素数量，N表示经过Sobel滤波前的主成分图像中非零元素的数量；

步骤1-3，根据所述超像素数L进行超像素分割，在所述主成分图像上应用熵率超像素算法生成二维超像素地图，即生成超像素数为L的超像素分割图像；

步骤1-4，将所述超像素分割图像与所述原始的遥感影像结合，即生成所述带有超像素索引的遥感影像。

3.根据权利要求2所述的基于CNN与超像素结合的组合核遥感影像目标检测方法，其特征在于，所述步骤1-3，包括：

步骤1-3-1，在所述主成分图像上构造一个图G＝(V，E)；

其中，V为主成分图像像素对应的顶点集，E为相邻像素之间成对相似点的边缘集；

步骤1-3-2，通过选择边的子集，将所述图分成L个连通的子图，每个所述子图对应一个超像素；

步骤1-3-3，在超像素分割的目标函数中加入熵率项H(A)和平衡项B(·)：

其中，λ≥0，λ是为了控制H(A)和B(·)引入的权重；

步骤1-3-4，在所述主成分图像上应用熵率超像素算法生成二维超像素地图，即生成超像素数为L的超像素分割图像。

4.根据权利要求1所述的基于CNN与超像素结合的组合核遥感影像目标检测方法，其特征在于，所述步骤2，包括：

根据以下公式，将超像素分割后的遥感影像中光谱像素输入到高斯径向基核函数中得到光谱核：

其中，为光谱核，为原始遥感影像的第i个和第j个光谱像素，σ为高斯径向基核函数的尺度参数，且σ为正实数；

所述高斯径向基核根据以下公式计算获得：

K(x_i,x_j)＝exp(-||x_i-x_j||²/2σ²)

其中，K(x_i,x_j)为径向基核，x_i为第i个像素，x_j为第j个像素。