[发明专利]基于CNN的遥感影像光学适配结构选取方法及系统

摘要

本发明公开了一种基于CNN的遥感影像光学适配结构选取方法及系统。其中，方法的实现包括：学习阶段，利用从遥感图像中选取的目标光学适配结构作为学习样本，设计出一种光学适配结构自动选取CNN模型；选取阶段，将待选取遥感影像切割成若干片元，经CNN分类模型，识别其中的适配结构，并用非极大值抑制滤掉低适配率的重复区域，最后通过基于相关峰的独特性分析(主次峰值比、最高锋锐度)，确保识别的光学适配结构在遥感影像中没有重复模式。首次将CNN应用到光学适配结构自动选取上，考虑了光学适配结构的稳定性、独特性，能较好的选出光学适配结构，能适应多个尺度和旋转，具有较强的适应性。

主权项

1.一种基于CNN的遥感影像光学适配结构选取方法，其特征在于，包括：(1)获取若干个目标正下视遥感影像场景图，对所述若干个目标正下视遥感影像场景图进行对比度变换处理得到遥感影像场景数据集，从所述遥感影像场景数据集中选取若干个光学适配结构正样本，若干个光学非适配结构负样本，所有正样本和负样本构成学习样本集；(2)设计光学适配结构的卷积神经网络CNN分类模型；(3)利用所述学习样本集训练所述CNN分类模型，确定所述CNN分类模型的参数得到目标CNN分类模型；(4)将待选取遥感影像场景图按预设步长进行切割，得到若干固定大小的像素块Patch，并记录每个Patch在所述待选取遥感影像场景图上的坐标；(5)将所述若干固定大小的像素块Patch输入到所述目标CNN分类模型中进行分类，得到多个光学适配结构Patch，以及每个光学适配结构Patch的适配率；(6)对所述多个光学适配结构Patch，根据所述每个光学适配结构Patch的适配率，进行非极大值抑制；(7)对进行非极大值抑制后剩余的每个光学适配结构Patch进行独特性分析，计算各光学适配结构Patch在所述待选取遥感影像场景图的相关面RM、所述相关面RM的主次峰值比SMR及所述相关面RM的最高锋锐度SM，将所述主次峰值比SMR大于第一预设阈值以及所述最高锋锐度SM大于第二预设阈值的光学适配结构Patch输出；(8)将经过独特性分析后的光学适配结构Patch在所述待选取遥感影像场景图上的坐标标记在所述待选取遥感影像场景图上，即得到所述待选取遥感影像场景图的光学适配结构选取的结果图。