[发明专利]一种遥感图像处理模型构建系统和方法

权利要求书

1.一种遥感图像处理模型构建系统，其特征在于，包括：

卷积网络模块，包括浅卷积层和深卷积层；

预处理模块，用于基于平均池化将所述浅卷积层的语义特征、深卷积层的语义特征归一处理；

处理模块，用于通过特征通道扩增的方式结合所述浅卷积层、深卷积层；

RPN单元，用于生成目标的检测窗口。

2.根据权利要求1所述的一种遥感图像处理模型构建系统，其特征在于，所述卷积网络模块基于公式处理输入x和输出y，其中，

β为控制上层输入的系数，为基于神经网络卷积的输出值，W为卷积层的权值。

3.根据权利要求1所述的一种遥感图像处理模型构建系统，其特征在于，还包括修正模块，

用于设置修正激活函数其中，x_i为待修正值，η为修正激活函数的负梯度系数。

4.根据权利要求1所述的一种遥感图像处理模型构建系统，其特征在于，所述RPN单元用于执行步骤：

获取遥感图像的训练数据集内的目标特征，采用K-means聚类算法将目标特征聚类到k个类，求出每个类的中心值,根据获取的信息特征和K聚类的中心值构造相应的检测窗口长宽比。

5.根据权利要求4所述的一种遥感图像处理模型构建系统，其特征在于，所述RPN单元还用于执行步骤：

对训练数据集的目标面积进行建模，根据面积数据的分布情况，将其分布离散化为若干个箱,计算每个箱的中心值，根据每个箱与其中心值增加检测窗口的尺寸。

6.根据权利要求1～5任一项所述的一种遥感图像处理模型构建系统，其特征在于，还包括校正模块，用于计算检测窗口位置的中心与训练数据的中心的欧氏距离，基于所述欧氏距离进行检测窗口的偏移修正，对修正后的检测窗口进行卷积、采样以更新检测窗口的检测特征，基于softmax函数以进行检测特征的精确分类。

7.一种遥感图像处理模型构建方法，适用于权利要求1所述系统，其特征在于，包括步骤：

A、基于平均池化将所述浅卷积层的语义特征、深卷积层的语义特征归一处理；

B、通过特征通道扩增的方式结合所述浅卷积层、深卷积层；

C、设置用于生成目标的检测窗口的RPN单元。

8.根据权利要求7所述的遥感图像处理模型构建方法，其特征在于，所述卷积网络模块基于公式处理输入x和输出y，其中，

β为控制上层输入的系数，为基于神经网络卷积的输出值，W为卷积层的权值。

9.根据权利要求7所述的遥感图像处理模型构建方法，其特征在于，步骤B、C之间还包括步骤D：

设置修正激活函数其中，x_i为待修正值，η为修正激活函数的负梯度系数。

10.根据权利要求7所述的遥感图像处理模型构建方法，其特征在于，所述RPN单元用于执行步骤：

获取遥感图像的训练数据集内的目标特征，采用K-means聚类算法将目标特征聚类到k个类，求出每个类的中心值,根据获取的信息特征和K聚类的中心值构造相应的检测窗口长宽比。

11.根据权利要求10所述的遥感图像处理模型构建方法，其特征在于，所述RPN单元还用于执行步骤：

对训练数据集的目标面积进行建模，根据面积数据的分布情况，将其分布离散化为若干个箱,计算每个箱的中心值，根据每个箱与其中心值增加检测窗口的尺寸。

12.根据权利要求7～11任一项所述的遥感图像处理模型构建方法，其特征在于，还包括步骤E：

计算检测窗口位置的中心与训练数据的中心的欧氏距离，基于所述欧氏距离进行检测窗口的偏移修正，对修正后的检测窗口进行卷积、采样以更新检测窗口的检测特征，基于softmax函数以进行检测特征的精确分类。