[发明专利]基于深度学习的高分辨率遥感影像分类方法及系统

权利要求书

1.一种基于深度学习的高分辨率遥感影像分类方法，其特征在于，其包括以下步骤：

S1：获取高分辨率遥感影像数据，进行降噪、几何校正以及图像增强等预处理；

S2：将预处理好的遥感影像图使用黑色像素填充影像的边缘，采用按掩膜提取的方式对图像进行不同尺寸的分割，并将分割后的影像批量降维到分辨率1024×1024，同时结合兴趣点(Point of Interest，POI)所带有的属性信息制作土地利用类型训练集、验证集、测试集；

S3：使用Labelme工具对训练集进行多边形标注，标注完成后输入类别标签以存储json格式的数据；

S4：构建深度学习实例分割模型，先对coco数据集进行预训练，再对土地利用类型训练集进行训练；

S5：利用深度学习实例分割模型对测试集对进行随机测试，直至随机测试达到满意效果(精度85％以上)；

S6：构建遥感影像的编码-解码模型，基于地理空间关系对待分类遥感影像按行列进行分割和编码；对深度学习实例分割模型的输出结果进行映射式解码，最终得到高分辨率遥感影像土地利用分类产品；

S7：将深度学习实例分割模型和编码-解码模型进行整合，生成最终的土地利用分类模型。

2.根据权利要求1所述的一种基于深度学习的高分辨率遥感影像分类方法，其特征在于，对于步骤S1中所述获取高分辨率遥感影像数据进行预处理工作，包括：收集高分辨率遥感影像，对输入的原始数字图像选择工作范围，先进行降噪、图像增强等处理，然后选择地面控制点以及地面投影，匹配地面控制点与像元的位置，选择校正变换函数，对影像进行几何校正，经过像元灰度值重采样步骤之后，输出几何校正后的图像，然后选择合适的大气模型，对影像进行大气校正，最后进行图像增强处理。

3.根据权利要求1所述的一种基于深度学习的高分辨率遥感影像分类方法，其特征在于，对于步骤S2的具体步骤如下：

S21：将预处理好的遥感影像图使用黑色像素填充影像的边缘，使得遥感图像变为规则矩形，然后采用按掩膜提取的方式对图像进行不同尺寸的随机分割，分割尺度分别为30*30、20*20和10*10；

S22：将分割后的图像批量降维到分辨率1024×1024，并按照7：2：1的比例划分训练集、验证集与测试集。

4.根据权利要求1所述的一种基于深度学习的高分辨率遥感影像土地利用分类方法，其特征在于，步骤S3的具体步骤如下：

采用人工标注的方式，为防止出现过拟合现象，采用两种标注方式：土地利用类型斑块的边界标注和土地利用类型斑块内部统一纹理的单独标注，得到精细的土地利用类型标注图。