[发明专利]一种基于深度学习的地理空间信息变化检测分类方法及系统

权利要求书

1.一种基于深度学习的地理空间信息变化检测分类方法，其特征在于，包括以下步骤：

基于深度学习语义分割与变化检测方法生成编译-解译结构的网络模型，对所述编译-解译结构的网络模型进行训练测试，获得基础模型；

基于迁移学习技术和所述基础模型，构建迁移学习框架；使用样本数据集在所述迁移学习框架上进行迁移学习，构建迁移学习的新模型；

所述迁移学习的新模型与所述基础模型整合，形成融合模型；

根据所述融合模型对待检测遥感影像进行检测分类。

2.根据权利要求1所述的一种基于深度学习的地理空间信息变化检测分类方法，其特征在于：

样本数据集的获取方法为：清洗历史遥感影像数据并制作地理空间信息变化检测分类的样本数据集。

3.根据权利要求2所述的一种基于深度学习的地理空间信息变化检测分类方法，其特征在于，清洗历史遥感影像数据并制作地理空间信息变化检测分类的样本数据集，具体步骤为：

获取历史遥感影像数据，对历史遥感影像数据进行预处理，得到预处理影像数据；

所述预处理影像数据分割提取纹理特征向量；采用高斯混合聚类方法将纹理特征向量进行聚类，得到带有特征词典的聚类后影像；

所述聚类后影像进行切片处理，得到样本数据集。

4.根据权利要求3所述的一种基于深度学习的地理空间信息变化检测分类方法，其特征在于，基于深度学习语义分割与变化检测方法生成编译-解译结构的网络模型，对所述编译-解译结构的网络模型进行训练测试，获得基础模型，具体步骤为：

构建深度学习语义分割与变化检测方法的编译-解译结构的网络模型，深度学习语义分割与变化检测方法的编译-解译结构的网络模型包括跨层组合分布的地理空间信息特征基本提取层、地理空间信息特征基本映射层和地理空间信息特征基本输出层；

对所述编译-解译结构的网络模型进行训练、测试，获得基础模型。

5.根据权利要求4所述的一种基于深度学习的地理空间信息变化检测分类方法，其特征在于，构建深度学习语义分割与变化检测方法的编译-解译结构的网络模型，包括跨层组合分布的地理空间信息特征基本提取层、地理空间信息特征基本映射层和地理空间信息特征基本输出层，包括：

构建地理空间信息特征提取层，用于生成地理空间信息特征关系矩阵；

构建地理空间信息特征映射层，用于学习聚类特征向量；

构建地理空间信息特征输出层，用于输出地理空间信息变化及检测分类结果；

基于地理空间信息特征提取层、地理空间信息特征映射层和地理空间信息特征输出层，定义一个网络模型。

6.根据权利要求4所述的一种基于深度学习的地理空间信息变化检测分类方法，其特征在于，训练、测试完成基础模型，具体步骤如下：

获取公开影像数据集，公开影像数据集拆分为训练数据、检验数据、测试数据；

在编译-解译结构的网络模型引入损失函数，评估其对数据集的建模程度，量化评价模型预测值与实际目标值偏离；

使用训练数据训练模型，再使用检验数据集检验模型，接着通过测试数据测试模型，得到基础模型。

7.根据权利要求3所述的一种基于深度学习的地理空间信息变化检测分类方法，其特征在于，基于迁移学习技术和所述基础模型，构建迁移学习框架；使用样本数据集在所述迁移学习框架上进行迁移学习，构建迁移学习的新模型，具体步骤为：

进入基础模型并冻结所有层，使用基本模型的所有输出特征映射的平均值作为输入权重，在冻结层之上添加新的池层；

在新的池层上添加用Softmax函数；

在新的池层上定义修正优化方法并编译模型；

使用样本数据集中的训练样本和测试样本在新的池层上训练模型；

调整修正优化方法并使用样本数据集中的测试样本测试模型，得到迁移学习的新模型。