[发明专利]一种基于多尺度深度特征的遥感影像分类方法在审
| 申请号： | 201910314919.0 | 申请日： | 2019-04-18 |
| 公开（公告）号： | CN110084294A | 公开（公告）日： | 2019-08-02 |
| 发明（设计）人： | 赵文智;陈家阁;柏延臣 | 申请（专利权）人： | 北京师范大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46 |
| 代理公司： | 成都方圆聿联专利代理事务所(普通合伙) 51241 | 代理人： | 曹少华 |
| 地址： | 100875 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于遥感影像分类技术领域，具体涉及一种基于多尺度深度特征的遥感影像分类方法，首先，该算法能够自动建立多尺度影像金字塔；其次，借助传统卷积神经网络算法，本算法能够利用自学习算法自动提取高层影像特征；最后，将多尺度深度影像特征与光谱特征进行融合，从而提高遥感影像分类精度。本发明多尺度深度神经网络算法能够对输入的遥感影像自动构建多尺度影像金字塔，然后，提取多尺度训练样本，用于提取多尺度影像空间特征。该算法有以下两个优点：1)能够自动提取深层稳定、有效的影像特征；2)多尺度特征学习方法能够有效描述影像中复杂地物目标的多尺度效应。 | ||
| 搜索关键词： | 多尺度 算法 遥感影像分类 影像金字塔 深度特征 影像特征 自动提取 卷积神经网络 神经网络算法 多尺度特征 地物目标 光谱特征 深度影像 训练样本 遥感影像 影像空间 自动构建 自动建立 自学习 影像 融合 高层 学习 | ||
【主权项】：
1.一种基于多尺度深度特征的遥感影像分类方法，其特征在于，包括以下步骤：首先，该算法将原始遥感影像进行光谱空间降维，得到信息压缩后的遥感影像主成分信息；其次，将影像主成分信息进行多尺度拉普拉斯变换，建立多尺度影像金字塔，得到多尺度遥感影像信息；进而，借助多尺度卷积神经网络算法，通过自学习方式自动提取遥感影像不同尺度上高层影像语义特征；最后，将多尺度深度影像特征与光谱特征进行融合，从而实现遥感影像分类精度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京师范大学，未经北京师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910314919.0/，转载请声明来源钻瓜专利网。
