[发明专利]地表覆盖分类模型训练方法、地表覆盖分类方法及装置

说明书

本发明公开了一种地表覆盖分类模型训练方法、地表覆盖分类方法及装置，该地表覆盖分类模型训练方法包括：获取训练集；将样本图像输入地表覆盖分类初始模型进行特征提取，得到特征图像；对特征图像进行第一类特征处理得到第一特征，利用第一特征预测第一分类结果；对特征图像进行第二类特征处理得到第二特征，并提取第一特征的深层特征得到第三特征，融合第二特征和第三特征，利用融合后的特征预测第二分类结果；利用标注信息计算第一分类结果和第二分类结果的总损失并进行反向传播，以调整地表覆盖分类初始模型的参数。通过上述方式，本发明能够充分利用高分辨率遥感影像的多层级特征，提高地表覆盖分类准确性。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种地表覆盖分类模型训练方法、地表覆盖分类方法及装置。

背景技术

地表覆盖类型的形成与发展过程不仅受地理因素的影响，还与人类活动息息相关。准确进行地表覆盖分类，一方面可以统计区域内的自然资源的分布情况，另一方面，随着时间的推移，还可以统计自然资源的变化情况，从而反映人类活动对自然资源分布造成的影响，用于辅助决策。

传统的地表覆盖类型调查多采取实地调查的方式，需要巨大的人力资源投入。近年来，随着遥感技术的发展，基于遥感影像的地表覆盖类型调查的重要性日益凸显，使用高分辨遥感影像进行地表覆盖分类是其中一项重要内容。目前通用的高分辨率遥感影像地表覆盖分类方法大多需要针对特定地物人工设计特征，没有充分利用高分辨率遥感影像的多波段特性，具有一定的局限性。

发明内容

本发明主要解决的技术问题是提供一种地表覆盖分类模型训练方法、地表覆盖分类方法及装置，能够充分利用高分辨率遥感影像的多层级特征，提高地表覆盖分类准确性。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种地表覆盖分类模型训练方法，该地表覆盖分类模型训练方法包括：获取训练集，训练集包括样本图像和对应的标注信息；将样本图像输入地表覆盖分类初始模型进行特征提取，得到特征图像；对特征图像进行第一类特征处理得到第一特征，利用第一特征预测第一分类结果；对特征图像进行第二类特征处理得到第二特征，并提取第一特征的深层特征得到第三特征，融合第二特征和第三特征，利用融合后的特征预测第二分类结果；利用标注信息计算第一分类结果和第二分类结果的总损失并进行反向传播，以调整地表覆盖分类初始模型的参数。

其中，第一类特征处理为第一卷积处理，第二类特征处理为第二卷积处理，提取第一特征的深层特征得到第三特征包括：将第一特征经过像素注意力机制处理得到第三特征。

其中，融合第二特征和第三特征，利用融合后的特征预测第二分类结果包括：将第二特征和第三特征点乘，利用点乘结果预测第二分类结果。

其中，标注信息包括小类别标注和大类别标注，利用标注信息计算第一分类结果和第二分类结果的总损失包括：对比小类别标注和第一分类结果计算第一损失；对比大类别标注和第二分类结果计算第二损失；计算第一分类结果和第二分类结果之间的加权损失；加权融合第一损失、第二损失、加权损失，得到总损失。

其中，计算第一分类结果和第二分类结果之间的加权损失包括：对比小类别标注和对应的第二分类结果计算第三损失；加权融合第三损失和第二损失得到加权损失。

其中，加权融合第一损失、第二损失、加权损失，得到总损失包括：为第一损失、第二损失和加权损失设置权重值，并对各个权重值分别进行正则化处理；总损失为第一损失、第二损失、加权损失的加权值和权重值的正则化结果的和。

其中，总损失为：其中，loss为总损失，loss1为第一损失，loss2为第二损失，loss3为加权损失，w1，w2，w3为权重值。