[发明专利]一种基于Faster RCNN的遥感影像对象间空间关系的识别方法

说明书

本发明公开了一种基于Faster RCNN的遥感影像对象间空间关系的识别方法，包括如下步骤：数据获取；数据预处理；切割影像数据；制作样本集标注；构建Faster RCNN网络结构；设定训练参数；选取训练集、测试集和验证集；对训练集进行训练；测试Faster RCNN网络训练的模型。本发明的目的是通过基于Faster RCNN的模型思维来对高分辨率遥感影像中对象间的空间关系进行识别检测，空间关系的识别检测是遥感领域的一大难点，本发明中能提取到对象间相邻关系，也可以为后续更多更复杂的空间关系的提取奠定基础。

技术领域

本发明涉及对象识别技术领域，尤其涉及一种基于Faster RCNN的遥感影像对象间空间关系的识别方法。

背景技术

目标检测和识别近年来一直是计算机视觉研究方面比较热门的领域，深度学习方面用于对象检测识别的网络模型也种类繁多。在这些算法模型中，Faster RCNN算法是在RCNN算法和Fast RCNN算法的基础上进行了改进，是目标检测和识别领域较为经典的算法，也是我们本次方法中所采用的目标检测识别算法。

但是不论是深度学习模型还是目标检测算法，在常规计算机视觉研究领域多用于自然场景下的对象检测，就是检测自然场景中的单个的对象和物体，而极少涉及到高分辨率遥感影像中的对象间空间关系的检测和识别。确切而言，国内外对于遥感影像分类识别领域中的对象之间的空间关系检测识别这个部分还处于盲区。所以在遥感影像识别和地物分类方面存在以下问题。

在遥感影像中存在住宅、工业、道路等众多的地物种类，因此也就存在着更为复杂的空间关系，如何在高分辨率遥感影像中识别遥感影像中不同空间对象间复杂的空间关系并加以提取是遥感领域一个很重要的研究课题。空间关系是用来描述遥感影像的一个重要指标，不同的空间对象之间因为其空间位置不同而具有了特定的空间关系。遥感影像也正是由于其具有空间关系而与视觉研究领域常规的自然场景图区分开来。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于FasterRCNN的遥感影像对象间空间关系的识别方法。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种基于Faster RCNN的遥感影像对象间空间关系的识别方法，该识别方法中的对象间空间关系为：高分遥感影像中的住宅和道路之间存在的相邻关系，该方法包括以下步骤：

数据获取：获取研究地段的高分辨率遥感影像；

数据预处理：对获取的遥感影像数据进行预处理，包括几何校正、大气校正、裁剪拼接；

切割影像数据：根据统计学中的正态分布的方法得到影像切割的尺度，通过编写脚本在软件ArcGIS中将研究需要的样本数据从预处理后的影像数据里面按确定的尺度切割出来，切割出来的样本数据以ID加影像格式后缀名来命名，得到样本集；

制作样本集的标注：利用Labelimg图形标注工具对切割好的样本集进行标注，并通过Labelimg图形标注工具人工画出样本集中空间对象和空间关系的RectBox，得到每个样本数据对应影像的XML标注文件；

构建Faster RCNN网络结构：在深度学习系统TensorFlow中构建Faster RCNN的网络结构，Faster RCNN网络结构包括：输入层、池化层、卷积层和输出层；

设定训练参数：根据研究需求对迭代次数进行设定，对Faster RCNN网络结构中的各个训练参数进行修改，训练参数包括类别名称、类别数量；

选取训练集、测试集和验证集：通过随机函数从样本集中选取训练集和测试集，设定每N个样本数据为一次循环，其中前N-1个样本数据为训练集，最后一个为测试集；并通过随机函数继续选取验证集；