[发明专利]基于深度学习的地表覆盖图片自动识别方法及系统

摘要

本发明提出了基于深度学习的地表覆盖图片自动识别方法及系统，首先，对地表覆盖图片进行预处理，利用重采样的方法，得到像素为224*224*3的地表覆盖图片；其次，利用卷积神经网络，构建地表覆盖图片自动识别模型，并利用反向传播算法和训练数据，对卷积神经网络的参数进行修正；最后，通过输入验证数据，对地表覆盖图片自动识别结果进行精度验证。本发明具有自动识别速度快和识别精度高的优点。

主权项

1.基于深度学习的地表覆盖图片自动识别方法，其特征是，包括如下步骤：步骤(1)：地表覆盖图片预处理：通过网络爬虫获取互联网上的地表覆盖图片，然后对采集的图片进行重采样，利用目视解译的方法对重采样后的地表覆盖图片进行地表覆盖类型的分类，将地表覆盖图片随机分为两部分：得到训练数据和验证数据；步骤(2)：利用训练数据构建地表覆盖图片自动识别模型：首先，构建地表覆盖图片自动识别模型中的卷积神经网络，所述卷积神经网络包括：依次连接的卷积层、多层感知器和分类器；继而，利用训练数据和反向传播算法，调整卷积神经网络的参数，实现地表覆盖图片自动识别模型的构建；所述分类器的构建步骤为：分类器的输入数据为全连接层输出的地表覆盖高维特征g，分类器利用softmax回归方法，计算每个地表覆盖类型的分类概率softmax(g)，并取概率最高的地表覆盖类型，作为图片最终的地表覆盖类型；其中，softmax回归的公式如下：其中，exp(·)为期望函数，g_k为全部类别的高维特征，g_j为j类的高维特征，其中k为地表覆盖的全部类别，j为其中一种地表覆盖类型；步骤(3)：利用验证数据验证地表覆盖图片自动识别结果：将步骤(1)中验证数据输入步骤(2)的地表覆盖图片自动识别模型，得到每张图片的地表覆盖类型识别结果；继而，将所得识别结果与步骤(1)中所得目视解译分类结果进行对比，通过交叉验证方法，计算地表覆盖图片自动识别结果的验证精度。