[发明专利]一种海冰图像分类方法、系统、介质、设备及处理终端

权利要求书

1.一种海冰图像分类方法，其特征在于，所述海冰图像分类方法，包括：

对原始图像进行预处理以去除原始图像中的冗余信息和噪声；根据加拿大冰况图在处理过后的图像中提取标签样本；利用卷积神经网络分别提取多源图像的特征信息；将提取到的特征信息进行拼接融合；将融合特征输入SE模块中进行特征级的权重标定；将融合特征输入全连接层进行深度融合并得到分类结果；通过总体分类精度和Kappa系数评估分类结果。

2.如权利要求1所述的海冰图像分类方法，其特征在于，所述海冰图像分类方法包括以下步骤：

步骤一，在欧空局官方网站ESA上获取相同时间覆盖区域相同的SAR数据和MSI数据；

步骤二，利用SNAP软件和ENVI软件对获取到的原始SAR数据和MSI数据进行预处理；

步骤三，根据加拿大冰中心提供的冰况图选取标签数据，将选定的标签数据按照一定比例划分为训练集和测试集；

步骤四，将SAR数据和MSI数据中对应的训练样本分别输入2D-TC-DenseNet和3D-TC-DenseNet进行特征提取；

步骤五，将提取到的特征信息进行拼接融合得到融合特征，并将融合特征输入到SE模型中进行特征通道级的权重标定；

步骤六，将融合特征展开成特征向量并输入到全连接层中进行特征的深度融合并得到分类结果；

步骤七，使用总体分类精度OA、平均分类精度AA和Kappa系数对分类结果进行评估。

3.如权利要求2所述的海冰图像分类方法，其特征在于，步骤二中，所述利用SNAP软件和ENVI软件对获取到的原始SAR数据和MSI数据进行预处理，包括：

(1)使用SNAP软件对SAR数据依次进行轨道校正、热噪声去除、辐射定标、相干斑滤波、地形校正和重采样；

(2)使用SNAP软件对MSI数据依次进行大气校正、辐射定标、主成分分析和重采样；

(3)使用ENVI软件对SAR数据和MSI数据进行配准及裁剪操作。

4.如权利要求2所述的海冰图像分类方法，其特征在于，步骤四中，所述TC-DenseNet即为双卷积层密集连接网络，是在DenseNet基础上提出的改进模型，即在网络中密集块的每层中添加一次卷积操作，用于增强网络的特征提取能力和非线性特性。

5.如权利要求2所述的海冰图像分类方法，其特征在于，步骤四中，所述将SAR数据和MSI数据中对应的训练样本分别输入2D-TC-DenseNet和3D-TC-DenseNet进行特征提取，包括：

(1)在SAR数据中以标签样本点为中心取其周围P×P范围的数据块作为输入数据输入到2D-TC-DenseNet提取特征信息；

(2)在MSI数据以相同位置的标签样本点为中心取P×P×B大小的数据块作为输入数据输入到3D-TC-DenseNet中进行特征提取，B为MSI数据的波段书；

(3)将提取到的SAR数据的特征图和MSI数据的特征图以拼接的方式形成融合特征。

6.如权利要求2所述的海冰图像分类方法，其特征在于，步骤五中，所述将融合特征输入到SE模型中进行特征通道级的权重标定，包括：

(1)对融合特征进行Squeeze操作，得到通道级的全局特征；

(2)对Squeeze操作得到的全局特征进行Excitation操作，得到与原始特征图对应的权重向量；

(3)利用Excitation操作得到的权重向量与原始特征图相乘得到最终结果。