[发明专利]矿区土地利用识别方法、装置、设备及介质

权利要求书

1.一种矿区土地利用识别方法，其特征在于，包括：

通过多尺度分割算法对待识别遥感影像进行面向对象分割，得到影像对象单元，并提取各影像对象的影像对象特征；

将所述影像对象特征输入至影像对象特征优化网络，得到所述影像对象特征优化网络输出的优化后的影像对象特征；

将所述影像对象单元输入至深度特征提取网络，得到所述深度特征提取网络输出的提取各影像对象的深度特征，其中，所述深度特征提取网络为改进的DenseNet网络；

将所述优化后的影像对象特征和所述深度特征叠加后进行类别识别，得到矿区用地类型分类结果；

其中，所述改进的DenseNet网络为在DB层和TL层之间添加有DCN层的DenseNet网络；

所述改进的DenseNet网络还包括在所述DCN层和所述TL层之间添加的注意力机制模块。

2.根据权利要求1所述的矿区土地利用识别方法，其特征在于，所述注意力机制模块包括通道注意力模块和空间注意力模块；

所述注意力机制模块用于将输入特征图输入至所述通道注意力模块得到通道注意力权值，再将所述输入特征图与所述通道注意力权值相乘得到通道维度上加强的特征信息，最后将所述特征信息输入至所述空间注意力模块，得到输出特征图。

3.根据权利要求1所述的矿区土地利用识别方法，其特征在于，所述深度特征提取网络包含多个改进的DenseNet网络；

所述深度特征提取网络用于将输入图像分别输入至所述多个改进的DenseNet网络，并将所述多个改进的DenseNet网络输出的特征进行连接，得到深度特征。

4.根据权利要求1所述的矿区土地利用识别方法，其特征在于，所述影像对象特征优化网络包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层和全连接层，所述第一卷积层和所述第二卷积层均为一维卷积层，所述第一池化层和所述第二池化层均为最大池化层；

所述影像对象特征优化网络用于将所述影像对象特征输入至所述第一卷积层，将所述第一卷积层输出的特征图输入至所述第一池化层，将所述第一池化层输出的特征图输入至所述第二卷积层，将所述第二卷积层输出的特征图输入至所述第二池化层，将所述第二池化层输出的特征图输入至所述全连接层，得到优化后的影像对象特征。

5.根据权利要求1所述的矿区土地利用识别方法，其特征在于，影像对象特征包括光谱特征、纹理特征和几何特征。

6.一种矿区土地利用识别装置，其特征在于，包括：

面向对象分割模块，用于通过多尺度分割算法对待识别遥感影像进行面向对象分割，得到影像对象单元，并提取各影像对象的影像对象特征；

影像对象特征优化模块，用于将所述影像对象特征输入至影像对象特征优化网络，得到所述影像对象特征优化网络输出的优化后的影像对象特征；

深度特征提取模块，用于将所述影像对象单元输入至深度特征提取网络，得到所述深度特征提取网络输出的提取各影像对象的深度特征，其中，所述深度特征提取网络为改进的DenseNet网络；

类别识别模块，用于将所述优化后的影像对象特征和所述深度特征叠加后进行类别识别，得到矿区用地类型分类结果；

其中，所述改进的DenseNet网络为在DB层和TL层之间添加有DCN层的DenseNet网络；

所述改进的DenseNet网络还包括在所述DCN层和所述TL层之间添加的注意力机制模块。

7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述矿区土地利用识别方法的步骤。

8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述矿区土地利用识别方法的步骤。