[发明专利]一种面向小数据集的高分辨率遥感影像场景分类的方法

摘要

本发明实施例公开了一种面向小数据集的高分辨率遥感影像场景分类的方法，建立了一个三个尺度、三个通道的端对端多尺度卷积联合神经网络模型。本方法共分为三个步骤，步骤一将图像尺寸大小为N×N的遥感影像，按照三个尺度进行随机子区域提取，提取后图像子区域大小分别为N/2×N/2、N/4×N/4和N/8×N/8，作为多通道卷积特征提取器输入；步骤二，建立一种融合多尺度和多通道的特征联合网络，将不同尺度的特征进行两两融合增强，实现高层特征的联合增强表达；步骤三，联合损失函数对场景的联合增强的高层特征进行分类。本发明实现在小样本训练集上的高精度分类，在小样本数据集中的高层特征表达能力和计算速度显著提高。

主权项

1.一种面向小数据集的高分辨率遥感影像场景分类的方法，其特征是：包括以下三个步骤：(1)数据预处理，对一张尺寸大小为N×N的待分类的高分辨率遥感影像随机提取0.875N×0.875N大小的图像区域，并对其进行对比度和亮度的调节；然后在所提取的图像区域再随机提取三个不同尺度不同位置的子区域块，尺寸大小分别为N/2×N/2、N/4×N/4、N/8×N/8；(2)构建多尺度卷积联合神经网络(JMCNN)模型，所述多尺度卷积联合神经网络模型包括多通道的特征提取器、三个尺度的特征融合器和联合损失函数(Jointly softmax)三部分；(3)基于所述多尺度卷积联合神经网络(JMCNN)模型的高分遥感场景识别，对上述特征提取器、特征融合器分别进行参数设置；并将步骤(1)中提取的待识别的遥感影像输入所述特征提取器中进行卷积特征提取，提取的特征输入特征融合器得到融合增强特征，利用上述联合损失函数对所述融合增强特征进行分类，即得到遥感影像的分类结果；所述多尺度的特征融合器包含两个特征融合器进行特征联合，将上述N/2×N/2和N/4×N/4的图像尺寸输入上述多通道特征提取器中得到对应的两个特征为Ft1、Ft2，将这两个特征利用一特征融合器进行联合，得到一个新的联合特征TEM；将上述N/8×N/8的图像尺寸输入上述多通道特征提取器中得到对应的特征Ft3，将所述特征Ft3与上述新的联合特征TEM利用另一特征融合器再进行联合，得到最终的高层融合增强特征表达FIN；所述每个特征融合器后面加入一个dropout层，该层会使得全连接层中的每个神经元以一定的概率“失活”，即每次只随机保留一部分神经元参与训练。