[发明专利]一种高分辨率遥感影像地表要素识别方法及存储介质

权利要求书

1.一种高分辨率遥感影像地表要素识别方法，其特征在于，所述的影像地表要素识别方法包括：

步骤1：获取低级空谱特征；

步骤2：通过浅层空谱特征融合模型对低级空谱特征进行融合；

所述的步骤2具体为：

首先，对输入的低级空谱特征执行深度可分离卷积SeparableConv；

其次，采用最大池化MaxPool和平均池化AvgPool两种池化层进行降采样，并将池化结果直接级联Concat；

最后，利用注意力机制模块SE对获取的多种卷积特征进行信息贡献度的标定；

步骤3：通过中层多尺度特征融合模型对步骤2融合后的特征进行融合；

所述的步骤3具体为：将浅层空谱融合后的特征同时输出给三个卷积特征提取模块，并利用级联Concat和注意力机制模块SE融合不同感受野的卷积特征；

步骤4：通过深层多层次特征融合模型对步骤3融合后的特征进行融合；

所述的步骤4具体为：

首先，执行若干次3×3卷积以及最大池化，逐步进行降采样；

其次，将获取的不同层次特征执行展平Flatten和全连接Dense后再进行级联Concat；

最后，利用注意力机制模块SE对获取的多层次高级语义特征进行信息贡献度的标定；

步骤5：根据步骤4输出的融合特征获得高级语义特征；

步骤6：通过分类器对地表要素进行分类，获得地表要素识别结果。

2.根据权利要求1所述的一种高分辨率遥感影像地表要素识别方法，其特征在于，所述的步骤1中的低级空谱特征通过既有空谱特征提取方法获得。

3.根据权利要求1所述的一种高分辨率遥感影像地表要素识别方法，其特征在于，所述的三个卷积特征提取模块具体为：

感受野分别为1×1、3×3以及5×5的卷积特征提取模块，用于学习不同尺度的空间上下文信息；其中，3×3卷积特征提取模块用于学习空间相关性，1×1卷积特征提取模块用于学习通道间相关性。

4.根据权利要求1所述的一种高分辨率遥感影像地表要素识别方法，其特征在于，所述的步骤4执行三次3×3卷积以及最大池化，每执行一次就将获取的特征执行展平Flatten和全连接Dense，最后对各个层次的特征执行级联Concat。

5.根据权利要求1所述的一种高分辨率遥感影像地表要素识别方法，其特征在于，所述的步骤5具体为：

采用全连接层对步骤4输出的融合特征进行处理，以获得高级语义特征。

6.根据权利要求1所述的一种高分辨率遥感影像地表要素识别方法，其特征在于，所述步骤6中的分类器为Softmax函数层。

7.一种存储介质，其特征在于，所述的存储介质内存储有如权利要求1～6中任一项所述的高分辨率遥感影像地表要素识别方法。