[发明专利]一种遥感图像地物识别方法、系统和计算机可读存储介质

权利要求书

1.一种遥感图像地物识别方法，其特征在于，所述方法包括：

采集训练用的原始样本遥感图像；

对采集到的原始样本遥感图像进行数据增强处理，以得到增强样本遥感图像；

构建多尺度稠密卷积网络；

结合所述原始样本遥感图像和所述增强样本遥感图像对所述多尺度稠密卷积网络进行训练；

待所述多尺度稠密卷积网络训练完成后，通过所述多尺度稠密卷积网络对待识别遥感图像中的地物进行识别，并对识别出的地物进行标记。

2.根据权利要求1所述的一种遥感图像地物识别方法，其特征在于，对采集到的原始样本遥感图像进行数据增强处理，具体包括：

采用数据增强算法对所述原始样本遥感图像进行增强处理，所述数据增强算法包括裁剪算法、平移算法、翻转算法、旋转算法、加噪算法、缩放算法、滤波算法的任意一种或几种。

3.根据权利要求1所述的一种遥感图像地物识别方法，其特征在于，所述多尺度稠密卷积网络包括编码器结构、解码器结构、多尺度特征转换层以及多个稠密连接块；

编码器结构，包括多个下采样层，用于产生有语义信息的特征图像；

解码器结构，包括多个上采样层，用于将编码器结构输出的低分辨率特征图像映射回输入图像的尺寸，以进行逐像素的分类；

多尺度特征转换层，用于对遥感图像进行多尺度的特征提取；

稠密连接块，由DenseNet的稠密式层级网络连接方式构成，该层级连接方式使各层输出的特征图像信息重复利用。

4.根据权利要求3所述的一种遥感图像地物识别方法，其特征在于，通过所述多尺度稠密卷积网络对待识别遥感图像中的地物进行识别，具体包括：

将待识别遥感图像输入至所述多尺度稠密卷积网络；

由多尺度特征转换层对所述待识别遥感图像进行多尺度的特征提取；

通过编码器结构的多个下采样层产生有语义信息的特征图像，期间采用稠密连接块使各层输出的特征图像信息重复利用；

通过编码器结构的多个上采样层将编码器结构输出的特征图像映射回待识别遥感图像的尺寸，以进行逐像素的分类，期间采用稠密连接块使各层输出的特征图像信息重复利用；

根据逐像素的分类结果分割出待识别遥感图像中的地物，并进行识别。

5.根据权利要求3所述的一种遥感图像地物识别方法，其特征在于，所述多尺度特征转换层包括多个不同大小卷积核的卷积层、多个批归一化层以及一个Concat连接层，

多个卷积层，分别用于提取多种图像语义信息；

多个批归一化层，用于对神经网络训练过程中的每层输入数据进行归一化处理；

Concat连接层，用于连接不同大小卷积核提取的图像语义信息。

6.根据权利要求5所述的一种遥感图像地物识别方法，其特征在于，所述多尺度特征转换层包括四个不同大小卷积核的卷积层，所述四个不同大小卷积核分别为1*1卷积核、3*3卷积核、5*5卷积核以及7*7卷积核，其中，1*1卷积核用于保留图像原始信息，3*3卷积核、5*5卷积核以及7*7卷积核用于提取多种图像语义信息。

7.根据权利要求3所述的一种遥感图像地物识别方法，其特征在于，所述稠密连接块中的任何两层之间都有直接的特征图连接，且任意一层的特征输出都可以直接连接在所有后续层上，稠密连接块中第l层以前(l-1)层中的每一层的三维特征作为输入，则第l层提取的三维特征大小为：k_l＝F_l([k₀，k₁，…，k_l-1])，其中，[k₀，k₁，…，k_l-1]表示各层的三维特征图是稠密连接的，且任意特征图的空间大小是相同的；函数F_l表示是一组批归一化、激活函数和卷积操作。