[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

说明书

本发明涉及一种高分辨率遥感影像地表要素识别方法及存储介质，其中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；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；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；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。与现有技术相比，本发明具有精度高、速度快、准确快速等优点。

技术领域

本发明涉及高分辨率遥感影像地表要素识别技术领域，尤其是涉及一种基于空谱特征融合的高分辨率遥感影像地表要素识别方法及存储介质。

背景技术

特征提取是传统机器学习和深度学习进行多特征融合和地表要素识别的关键步骤，如何提取反映不同模式的特征更是遥感影像特征融合与处理分析的关键技术。随着研究的不断深入，特征提取方式不断得到延伸，特征提取的方式从无监督到(半)监督、从光谱或空间到光谱和空间、从手动到自动、从手工到端到端、从浅层到深层。对于高分辨率尤其是超高分辨率遥感影像数据来说，由于地表要素轮廓细节高度清晰，而对应地表覆盖要素的光谱混合要素繁多，特别是子类要素(如植被下的草地、树木、农田，甚至是农田下可划分的玉米、菜地、麦田等)的精细判别难度较大，导致“同物异谱”或“同谱异物”现象更为突出。为了避免单源特征识别地表要素的不足，各国学者开始寻求利用多特征融合来提高地表要素的识别精度。而现有融合方法通常基于多特征直接叠加，导致叠加后特征维度增加、冗余度高，而且很难准确刻画地表要素的判别性特征，无法较好地实现多特征显著信息的联合表达，因此也无法有效实现地表覆盖的高精度识别。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种精度高、速度快、准确快速的高分辨率遥感影像地表要素识别方法及存储介质。

本发明的目的可以通过以下技术方案来实现：

一种高分辨率遥感影像地表要素识别方法，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；

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；

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；

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。

优选地，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。

优选地，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。

优选地，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。

更加优选地，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。

优选地，所述的步骤4具体为：