一种遥感图像的场景分类方法及装置制造方法及图纸

本发明专利技术提供一种遥感图像的场景分类方法及装置，该方法包括：获取待进行场景分类的遥感图像数据集，并输入至特征提取模型，得到遥感图像数据集中各遥感图像的特征映射结果；将遥感图像的特征映射结果输入至开集识别模型，得到各遥感图像的开集场景分类结果；开集场景分类结果用于指示遥感图像的场景类别或遥感图像的场景类别未知；其中，特征提取模型和开集识别模型均基于原始样本集训练得到；在开集场景分类结果为遥感图像的场景类别未知的情况下，还将场景类别未知的遥感图像与原始样本集进行合并，得到当前样本集，并基于当前样本集分别对特征提取模型和开集识别模型进行更新。本发明专利技术能够实现对未知场景类别的遥感图像的识别和学习。的识别和学习。的识别和学习。

【技术实现步骤摘要】
一种遥感图像的场景分类方法及装置


[0001]本专利技术涉及图像识别
，尤其涉及一种遥感图像的场景分类方法及装置。

技术介绍

[0002]遥感图像场景分类是通过解译分析遥感场景图像的内容，将其分类为具体的场景类别如网球场、飞机场、立交桥等。随着深度学习尤其是卷积神经网络的不断发展，图像识别任务已经获得了显著的成果。卷积神经网络在遥感图像场景分类中也有着广泛的应用，但是现有的绝大多数遥感图像场景分类都是闭集分类，即待分类的遥感图像的场景类别必须是训练阶段训练过的类别。然而在实际应用中，环境往往是开放的并且会不断出现新的场景类别，训练好的识别系统在遇到没有学习过的类别(未知类别)时会将其识别成已学习过的某一已知类别，例如在网球场和飞机场数据上训练的分类器会将立交桥的样本分类为网球场或者飞机场，这将极大地影响识别的准确性。因此，识别系统需要自动探测未知类别同时不断地学习新的类别以达到更好的识别效果。然而，现有的绝大多数遥感图像场景分类方法中，没有识别和学习未知类别的能力，另外，用于学习新类别的样本都是人工收集的，无法保证遥感图像场景分类的准确性和效率。

技术实现思路

[0003]本专利技术提供一种遥感图像的场景分类方法及装置，用以解决现有技术中无法识别和学习未知场景类别的缺陷，实现对未知场景类别的遥感图像的识别和学习。
[0004]本专利技术提供一种遥感图像的场景分类方法，包括：获取待进行场景分类的遥感图像数据集；
[0005]将所述遥感图像数据集输入至特征提取模型，得到所述遥感图像数据集中各遥感图像的特征映射结果；
[0006]将所述遥感图像的特征映射结果输入至开集识别模型，得到各所述遥感图像的开集场景分类结果；所述开集场景分类结果用于指示所述遥感图像的场景类别或所述遥感图像的场景类别未知；
[0007]其中，所述特征提取模型和所述开集识别模型均基于原始样本集训练得到；在所述开集场景分类结果为所述遥感图像的场景类别未知的情况下，还将场景类别未知的所述遥感图像与所述原始样本集进行合并，得到当前样本集，并基于所述当前样本集分别对所述特征提取模型和所述开集识别模型进行更新。
[0008]根据本专利技术提供的一种遥感图像的场景分类方法，所述特征提取模型的训练方法包括：
[0009]构建所述特征提取模型的损失函数，基于所述损失函数，采用原型学习的方法对所述特征提取模型进行训练；所述损失函数包括交叉熵损失项和正则化项，所述交叉熵损失项用于约束所述原始样本集中各样本数据之间的距离；所述正则化项用于约束所述原始样本集中每个所述场景类别的分布空间；其中，所述损失函数如式1所示：
[0010][0011]式中，为交叉熵损失项，为正则化项，λ
R
为超参数；其中，的表达式分别如式2、式3所示：
[0012][0013][0014]式中，ψ()为特征提取模型的特征映射函数；x为所述原始样本集中的样本数据；c
k
、c
i
分别为场景类别k、场景类别i的类别中心；d()为欧式距离；γ为超参数；K为所述原始样本集中场景类别的数量；p()为概率函数；y为特征提取模型的输出；n
k
为场景类别k对应的样本数量；R
k
为半径参数；x
j
为场景类别k对应的第j个样本数据。
[0015]根据本专利技术提供的一种遥感图像的场景分类方法，所述将所述遥感图像的特征映射结果输入至开集识别模型之前，还包括：
[0016]将所述遥感图像的特征映射结果输入至闭集分类器，得到各所述遥感图像的闭集场景分类结果；其中，所述闭集分类器基于所述原始样本集训练得到。
[0017]根据本专利技术提供的一种遥感图像的场景分类方法，所述将所述遥感图像的特征映射结果输入至开集识别模型，得到各所述遥感图像的开集场景分类结果，包括：
[0018]根据所述闭集场景分类结果，将所述遥感图像的特征映射结果输入至相应场景类别的开集识别子模型，得到各所述遥感图像的开集场景分类结果；其中，所述开集识别模型包括若干个所述开集识别子模型，若干个所述开集识别子模型分别用于对不同场景类别的所述遥感图像进行场景类别的识别。
[0019]根据本专利技术提供的一种遥感图像的场景分类方法，所述将所述遥感图像的特征映射结果输入至相应场景类别的开集识别子模型，得到各所述遥感图像的开集场景分类结果，包括：
[0020]通过所述开集识别子模型识别所述遥感图像是否属于所述开集识别子模型对应的场景类别，是，则所述开集场景分类结果为所述开集识别子模型对应的场景类别，否，则所述开集场景分类结果为所述遥感图像的场景类别未知。
[0021]根据本专利技术提供的一种遥感图像的场景分类方法，所述将场景类别未知的所述遥感图像与所述原始样本集进行合并之前，还包括：
[0022]基于凸包选点的方法分别对所述原始样本集中的各场景类别进行样本筛选，得到各所述场景类别中待保留的样本数据，待保留的样本数据用于与场景类别未知的所述遥感图像进行合并，得到所述当前样本集；其中，所述基于凸包选点的方法分别对所述原始样本集中的各场景类别进行样本筛选包括：
[0023]凸包构建步骤：基于所述原始样本集中各样本数据的特征映射结果，在同一所述场景类别的样本数据中构建一个d维凸包；
[0024]凸包分解步骤：对所述d维凸包进行凸包分解，得到若干个子凸包；
[0025]子凸包更新步骤：基于所述子凸包对应的特征空间中样本数据的数量，对所述子凸包进行更新；基于更新后的所述子凸包，重复所述凸包分解步骤和所述子凸包更新步骤，
直到达到预设条件；
[0026]数据选取步骤：基于样本数据的重要程度，从各所述子凸包所包含的样本数据中选取所述场景类别中待保留的样本数据。
[0027]本专利技术还提供一种遥感图像的场景分类装置，包括：
[0028]数据获取模块，用于获取待进行场景分类的遥感图像数据集；
[0029]特征提取模块，将所述遥感图像数据集输入至特征提取模型，得到所述遥感图像数据集中各遥感图像的特征映射结果；
[0030]开集识别模块，用于将所述遥感图像的特征映射结果输入至开集识别模型，得到各所述遥感图像的开集场景分类结果；所述开集场景分类结果用于指示所述遥感图像的场景类别或所述遥感图像的场景类别未知；
[0031]模型训练模块，基于原始样本集分别对所述特征提取模型和所述开集识别模型进行训练；还用于在所述开集场景分类结果为所述遥感图像的场景类别未知的情况下，将场景类别未知的所述遥感图像与所述原始样本集进行合并，得到当前样本集，并基于所述当前样本集分别对所述特征提取模型和所述开集识别模型进行更新。
[0032]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述遥感图像的场景分类方法的步骤。
[0033]本专利技术还提供一种非暂态计算机可读本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感图像的场景分类方法，其特征在于，包括：获取待进行场景分类的遥感图像数据集；将所述遥感图像数据集输入至特征提取模型，得到所述遥感图像数据集中各遥感图像的特征映射结果；将所述遥感图像的特征映射结果输入至开集识别模型，得到各所述遥感图像的开集场景分类结果；所述开集场景分类结果用于指示所述遥感图像的场景类别或所述遥感图像的场景类别未知；其中，所述特征提取模型和所述开集识别模型均基于原始样本集训练得到；在所述开集场景分类结果为所述遥感图像的场景类别未知的情况下，还将场景类别未知的所述遥感图像与所述原始样本集进行合并，得到当前样本集，并基于所述当前样本集分别对所述特征提取模型和所述开集识别模型进行更新。2.根据权利要求1所述的一种遥感图像的场景分类方法，其特征在于，所述特征提取模型的训练方法包括：构建所述特征提取模型的损失函数，基于所述损失函数，采用原型学习的方法对所述特征提取模型进行训练；所述损失函数包括交叉熵损失项和正则化项，所述交叉熵损失项用于约束所述原始样本集中各样本数据之间的距离；所述正则化项用于约束所述原始样本集中每个所述场景类别的分布空间；其中，所述损失函数如式1所示：式中，为交叉熵损失项，为正则化项，λ
R
为超参数；其中，的表达式分别如式2、式3所示：别如式2、式3所示：式中，ψ()为特征提取模型的特征映射函数；x为所述原始样本集中的样本数据；c
k
、c
i
分别为场景类别k、场景类别i的类别中心；d()为欧式距离；γ为超参数；K为所述原始样本集中场景类别的数量；p()为概率函数；y为特征提取模型的输出；n
k
为场景类别k对应的样本数量；R
k
为半径参数；x
j
为场景类别k对应的第j个样本数据。3.根据权利要求1所述的一种遥感图像的场景分类方法，其特征在于，所述将所述遥感图像的特征映射结果输入至开集识别模型之前，还包括：将所述遥感图像的特征映射结果输入至闭集分类器，得到各所述遥感图像的闭集场景分类结果；其中，所述闭集分类器基于所述原始样本集训练得到。4.根据权利要求3所述的一种遥感图像的场景分类方法，其特征在于，所述将所述遥感图像的特征映射结果输入至开集识别模型，得到各所述遥感图像的开集场景分类结果，包括：根据所述闭集场景分类结果，将所述遥感图像的特征映射结果输入至相应场景类别的开集识别子模型，得到各所述遥感图像的开集场景分类结果；其中，所述开集识别模型包括若干个所述开集识别子模型，若干个所述开集识别子模型分别用于对不同场景类别的所述
遥感图像进行场景类别的识别。5.根据权利要求4所述的一种遥感图像的场景分类方法，...

【专利技术属性】
技术研发人员：刘魏魏，聂祥丽，张波，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：