[发明专利]地学知识引导的多尺度胶囊网络遥感地物分类方法及系统

权利要求书

1.一种地学知识引导的多尺度胶囊网络遥感地物分类方法，其特征在于：包括以下步骤，步骤a、通过对遥感图像进行预处理和标注地物标签，构建遥感地物分类样本库；

步骤b、根据城市主要的土地覆盖类型，建立建筑物、道路、裸土、绿地、水体5种地表覆盖实体的遥感解译本体，然后在遥感解译本体的基础上，通过实例化本体及其属性完成地学知识图谱的构建；

步骤c、对地学知识图谱所蕴含的地学知识进行显式符号化表示，并挖掘地学知识图谱所蕴含的隐式地学知识；

步骤d、构建多尺度卷积胶囊网络作为深度学习网络，将步骤a得到的处理后图像作为样本数据输入到深度学习网络中，并在步骤c得到的地学知识基础上，构建模型损失约束，引导多尺度胶囊网络的训练；

步骤e、城市多源遥感信息提取分类，包括基于步骤d建立的损失函数，在地学知识的约束下对构建的多尺度卷积胶囊模型进行训练，得到训练模型；并根据训练所得的模型对测试数据进行测试，在获得合格的模型后用于实现对遥感地物分类。

2.根据权利要求1所述地学知识引导的多尺度胶囊网络遥感地物分类方法，其特征在于：在步骤b中，使用网络本体语言OWL描述遥感解译本体及其属性关系，样本集中的地物目标作为解译本体的实例对象，并抽取对应地物目标的类别、形状特征、空间语义等信息实例化对象的属性，构建出地学知识图谱。

3.根据权利要求1或2所述地学知识引导的多尺度胶囊网络遥感地物分类方法，其特征在于：在步骤e中，利用基于混淆矩阵的总体精度、Kappa系数、用户精度以及生产者精度四个指标评价模型测试结果。

4.一种地学知识引导的多尺度胶囊网络遥感地物分类系统，其特征在于：用于实现如权利要求1-3任一项所述的一种地学知识引导的多尺度胶囊网络遥感地物分类方法。

5.根据权利要求4所述地学知识引导的多尺度胶囊网络遥感地物分类系统，其特征在于：包括以下模块，

第一模块，用于通过对遥感图像进行预处理和标注地物标签，构建遥感地物分类样本库；

第二模块，用于根据城市主要的土地覆盖类型，建立建筑物、道路、裸土、绿地、水体5种地表覆盖实体的遥感解译本体，然后在遥感解译本体的基础上，通过实例化本体及其属性完成地学知识图谱的构建；

第三模块，用于对地学知识图谱所蕴含的地学知识进行显式符号化表示，并挖掘地学知识图谱所蕴含的隐式地学知识；

第四模块，用于构建多尺度卷积胶囊网络作为深度学习网络，将第一模块得到的处理后图像作为样本数据输入到深度学习网络中，并在第三模块得到的地学知识基础上，构建模型损失约束，引导多尺度胶囊网络的训练；

第五模块，用于城市多源遥感信息提取分类，包括基于第四模块建立的损失函数，在地学知识的约束下对构建的多尺度卷积胶囊模型进行训练，得到训练模型；并根据训练所得的模型对测试数据进行测试，在获得合格的模型后用于实现对遥感地物分类。

6.根据权利要求4所述地学知识引导的多尺度胶囊网络遥感地物分类系统，其特征在于：包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如权利要求1-3任一项所述的一种地学知识引导的多尺度胶囊网络遥感地物分类方法。

7.根据权利要求4所述地学知识引导的多尺度胶囊网络遥感地物分类系统，其特征在于：包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如权利要求1-3任一项所述的一种地学知识引导的多尺度胶囊网络遥感地物分类方法。