[发明专利]基于图变换知识嵌入算法的地震灾区遥感影像解译方法

权利要求书

1.一种基于图变换知识嵌入算法的地震灾区遥感影像解译方法，其特征在于，包括：

获取地震灾区遥感影像数据；

将所述地震灾区遥感影像数据输入至预先训练得到的遥感影像语义分割模型中；

输出解译结果；

其中，所述遥感影像语义分割模型的预先训练过程包括：

获取研究区所在的遥感影像；

对所述遥感影像进行处理，获取样本影像特征、样本对象分割数据、样本GT、样本空间邻接矩阵和数据集类别共现概率矩阵数据；

构建初始遥感影像语义分割模型；

基于样本影像特征、样本对象分割数据、样本GT、样本空间邻接矩阵和数据集类别共现概率矩阵对所述初始遥感影像语义分割模型进行训练，得到遥感影像语义分割模型；

其中，所述构建初始遥感影像语义分割模型包括：

计算单个样本的原始图结构G_ori；

对原始图中的节点基于总类别数量进行遍历复制，将所述原始图结构G_ori转化为知识超图结构G_new；

在GCN网络模型中进行节点特征聚合；

通过分类器对知识超图结构进行裁剪，得到初始遥感影像语义分割模型。

2.根据权利要求1所述的一种基于图变换知识嵌入算法的地震灾区遥感影像解译方法，其特征在于，所述原始图结构G_ori利用以下公式进行计算得到：

G_ori＝(V_ori，E_ori)

V_ori＝{v_i，i∈{1，…，N}}

E_ori＝{e_ij，i，j∈{1，…，N}}

其中，V_ori是由超像素分割生成的单个样本中的对象节点集，E_ori为对象节点间的邻接关系集，e_ij＝a_ij，a_ij是由样本空间邻接矩阵计算得到的节点i与节点j的空间邻接关系，N为单个样本中对象数量，v_i是超像素对象节点i。

3.根据权利要求1所述的一种基于图变换知识嵌入算法的地震灾区遥感影像解译方法，其特征在于，所述知识超图结构G_new利用以下公式进行计算得到：

G_new＝(V_new，E_new)

V_new＝{v_iα，i∈{1，...，N}，α∈{1，...，C}}

E_new＝{e_(iα，jβ)，i，j∈{1，...，N}，α，β∈{1，...，C}}

其中，V_new是由原始图节点复制C次得到的知识超图的对象节点集，C为总类别数量，v_iα表示为i节点为α类，E_new表达为对象节点间的邻接关系集，e_(iα，jβ)为节点v_iα与节点v_jβ的邻接关系，v_jβ表示为j节点为β类。

4.根据权利要求1所述的一种基于图变换知识嵌入算法的地震灾区遥感影像解译方法，其特征在于，所述对所述遥感影像进行处理包括：

对所述遥感影像进行超像素分割，得到地理分割对象矢量数据；

根据地表覆盖分类体系对地理分割对象矢量数据进行GT标注，得到GT栅格数据；

使用样本预选框矢量文件对遥感影像、地理分割对象矢量数据、GT栅格数据进行切割，得到完整数据集，所述完整数据集包含多个样本，每个样本均包括一个样本原始影像文件、一个样本对象分割文件、一个样本GT文件。

5.根据权利要求4所述的一种基于图变换知识嵌入算法的地震灾区遥感影像解译方法，其特征在于，所述样本影像特征的获取包括：

构建VGG-19卷积神经网络；

将所述样本原始影像文件输入至VGG-19卷积神经网络，得到样本影像特征。