[发明专利]一种基于卷积神经网络的遥感影像的植被提取优化方法

摘要

本发明公开了一种基于卷积神经网络的遥感影像的植被提取优化方法，包括训练过程和提取过程；训练过程得到训练好的模型；提取过程加载训练过程中训练好的模型，最终得到提取结果。本发明本着以应用为核心的设计思想，公开了一种基于深度学习的遥感影像的植被提取方法，该方法对VGG16网络进行了改进，将网络的全连接输出层换成了卷积层，使网络成为一个全卷积网络，并使用人工标注的样本对网络进行训练，使用训练好的模型对指定的影像进行提取，不仅实现了对遥感影像中植被的自动提取，而且减少人工的投入，同时提高了提取精度，最终实现了遥感影像植被的高效、精准、自动化提取。

主权项

1.一种基于卷积神经网络的遥感影像的植被提取优化方法，其特征在于：所述方法包括训练过程和提取过程；所述训练过程包括以下步骤：S11、选取要用于进行识别的影像类型，对影像上的植被进行人工标注，并将标注保存为栅格数据；S12、将步骤S11得到的标注数据和原始数据进行切块，切块大小为512×512像素，舍弃边缘大小不足512像素的部分，原始数据需要和标注的数据一一对应；将数据的百分之二十作为验证集，剩余的作为样本集；S13、修改VGG16网络模型，将最后的卷积层修改为全积层，构建全积网络；S14、使用步骤S12中的样本对步骤S13中的模型进行训练；S15、根据结果，加深网络的层次，使用步骤S14训练的模型作为预训练模型，再次使用步骤S12的样本进行训练，得到训练好的模型；所述提取过程包括以下步骤：S21、加载训练过程步骤S15中训练好的模型；S22、对要进行植被提取的样本进行分块处理，分块的大小为512×512像素，和样本相同；S23、使用步骤S21中的模型分别对每块影像进行处理，提取出植被所在的区域；S24、对步骤S23中提取出来的区域进行合并，得到提取结果。