【技术实现步骤摘要】
本专利技术涉及遥感影像处理，尤其涉及一种遥感影像分类方法、装置、电子设备及存储介质。
技术介绍
1、遥感影像分类指的是将遥感影像中的所有像素按照一定的分类体系划分为不同的类别，在国土调查、环境监测、精准农业等领域都有重要应用。
2、光学卫星影像是遥感影像分类最主要的数据源，而光学卫星影像一般由高分辨率、单通道的全色影像和低分辨率、多通道的多光谱影像构成。为了充分利用全色影像的空间细节表达能力和多光谱影像的可见近红外反射率表达能力，一般首先基于像素级融合将全色和多光谱影像的信息合并为高分辨率多光谱的影像，再利用卷积神经网络提取影像特征，最后利用分类器获得像素的类别信息。
3、现有技术这种先像素级融合再提取特征并分类的方法可以看作是一种两阶段的方法，神经网络的训练和推理都需要以像素级融合为前置处理步骤，因此对于由全色、多光谱影像构成的光学卫星影像而言并非端到端方法。此外，像素级融合会改变原始影像的像素值可能导致失真，像素级融合耗时较长（单机环境下单景高分6号影像融合约需2小时），融合影像对存储能力需求大（融合后影像数据量约3倍于融合前影像数据量），且融合处理并非以有利于影像分类任务为优化目标，导致分类精度较低。
4、有鉴于此，亟需改进现有的遥感影像分类方法，以提高分类效率和分类精度。
技术实现思路
1、本专利技术提供一种遥感影像分类方法、装置、电子设备及存储介质，用以解决现有技术中分类效率低、耗时长且分类精度不可控的缺陷，实现高效率、高精度的遥感影像
2、本专利技术提供一种遥感影像分类方法，包括如下步骤：
3、对目标区域的全色影像和多光谱影像进行滑动窗口采样，获取多组具有相同地理坐标范围的全色影像块和多光谱影像块；
4、将任一地理坐标范围的一组所述全色影像块和所述多光谱影像块同时输入至双流卷积分类模型，获取由所述双流卷积分类模型输出的所述任一地理坐标范围的遥感影像分类概率图；
5、根据所有地理坐标范围的遥感影像分类概率图，拼接得到所述目标区域的整景影像分类概率图。
6、其中，所述双流卷积分类模型中至少包括第一骨干网络、第二骨干网络、空间注意力模块、通道注意力模块、特征融合模块和特征分类模块；
7、所述第一骨干网络提取所述全色影像块中的全色影像块特征后输入至所述空间注意力模块，以基于所述空间注意力模块生成全色特征图；
8、所述第二骨干网络提取所述多光谱影像块中的多光谱影像特征后输入至所述通道注意力模块，以基于所述通道注意力模块生成多光谱特征图；
9、所述特征融合模块融合所述全色特征图和所述多光谱特征图，得到融合特征图；
10、所述特征分类模块对所述融合特征图进行解码分类，得到所述遥感影像分类概率图。
11、根据本专利技术提供的一种遥感影像分类方法，所述第一骨干网络和所述第二骨干网络是基于两个权重不共享的efficientnet-b3网络模型构建的；
12、在每个所述efficientnet-b3网络模型中仅激活其中的部分倒残差模块，以获取全尺度的所述全色影像块特征和所述多光谱影像特征。
13、根据本专利技术提供的一种遥感影像分类方法，所述空间注意力模块包括：多个具有不同卷积核的卷积层、第一特征拼接层和第一隐藏单元；所述第一隐藏单元包括第一拼接特征卷积块和第一激活函数层；
14、所述具有不同卷积核的卷积层，用于从所述全色影像块特征中提取出不同感受野的影像特征后输入至所述第一特征拼接层；
15、所述第一特征拼接层，用于将所述不同感受野的影像特征拼接成第一特征图后输入至所述第一隐藏单元；
16、所述第一隐藏单元中的所述第一拼接特征卷积块，用于对所述第一特征图进行局部特征信息提取后，通过所述第一激活函数层进行非线性映射和概率解释，输出所述全色特征图。
17、根据本专利技术提供的一种遥感影像分类方法，所述通道注意力模块包括：全局平均池化单元、全局最大池化单元、第二特征拼接层、多个具有不同卷积核的一维卷积层、第三特征拼接层和第二隐藏单元，所述第二隐藏单元包括第二拼接特征卷积块和第二激活函数层；
18、所述全局平均池化单元、全局最大池化单元同步对所述多光谱影像特征进行平均池化操作和最大池化操作，以分别调整所述多光谱影像特征的维度后，输入至所述第二特征拼接层；
19、所述第二特征拼接层，用于将平均池化操作后的影像特征和最大池化操作后的影像特征拼接成第二特征图后分别输入至所述多个具有不同卷积核的一维卷积层；
20、所述多个具有不同卷积核的一维卷积层，用于从所述第二特征图中提取出不同感受野的影像特征后输入至所述第三特征拼接层；
21、所述第三特征拼接层，用于将所述不同感受野的影像特征拼接成第三特征图后输入至所述第二隐藏单元；
22、所述第二隐藏单元中的所述第二拼接特征卷积块，用于对所述第三特征图进行局部特征信息提取后，通过所述第二激活函数层进行非线性映射和概率解释，输出所述多光谱特征图。
23、根据本专利技术提供的一种遥感影像分类方法，所述特征融合模块包括：反卷积层、至少一个用于降维的卷积层、第四特征拼接层和第三拼接特征卷积块；
24、所述反卷积层，用于将所述多光谱特征图上采样至与所述全色特征图相同维度；
25、所述用于降维的卷积层，用于分别将所述全色特征图和上采样后的多光谱特征图降维至位置原始通道的1/4；
26、所述第四特征拼接层，用于对降维后的所述全色特征图和所述多光谱特征图拼接成第四特征图输入至所述第三拼接特征卷积块；
27、所述第三拼接特征卷积块，用于对所述第四特征图进行局部特征信息提取，输出所述融合特征图；
28、所述第三拼接特征卷积块包括连续的卷积层、归一化层和激活函数层。
29、根据本专利技术提供的一种遥感影像分类方法，所述特征分类模块包括全色解码器、多光谱解码器、融合解码器、第五特征拼接层、第四拼接特征卷积块和分类器头；
30、所述全色解码器，用于对所述全色特征图进行解码，得到解码后的高分辨率全色特征图；
31、所述多光谱解码器，用于对所述多光谱特征图进行解码，得到解码后的高分辨率多光谱特征图；
32、所述融合解码器，用于对所述融合特征图进行解码，得到解码后的高分辨率融合特征图；
33、所述解码后的高分辨率全色特征图、所述解码后的高分辨率多光谱特征图和所述解码后的高分辨率融合特征图的维度相同；
34、所述第五特征拼接层，用于将所述高分辨率全色特征图、所述解码后的高分辨率多光谱特征图和所述解码后的高分辨率融合特征图拼接成第五特征图输入至所述分类器头；
35、所述分类器头对所述第五特征图中的影像特征映射至预先确定的多个类别空间后转换为所述遥感影像分类概率图输出。
36、根据本专利技术提供的一种遥感影像分本文档来自技高网...
【技术保护点】
1.一种遥感影像分类方法，其特征在于，包括：
2.根据权利要求1所述的遥感影像分类方法，其特征在于，所述第一骨干网络和所述第二骨干网络是基于两个权重不共享的EfficientNet-B3网络模型构建的；
3.根据权利要求1所述的遥感影像分类方法，其特征在于，所述空间注意力模块包括：多个具有不同卷积核的卷积层、第一特征拼接层和第一隐藏单元；所述第一隐藏单元包括第一拼接特征卷积块和第一激活函数层；
4.根据权利要求1所述的遥感影像分类方法，其特征在于，所述通道注意力模块包括：全局平均池化单元、全局最大池化单元、第二特征拼接层、多个具有不同卷积核的一维卷积层、第三特征拼接层和第二隐藏单元，所述第二隐藏单元包括第二拼接特征卷积块和第二激活函数层；
5.根据权利要求1所述的遥感影像分类方法，其特征在于，所述特征融合模块包括：反卷积层、至少一个用于降维的卷积层、第四特征拼接层和第三拼接特征卷积块；
6.根据权利要求1所述的遥感影像分类方法，其特征在于，所述特征分类模块包括全色解码器、多光谱解码器、融合解码器、第五特征拼接层、第四拼接
7.根据权利要求1所述的遥感影像分类方法，其特征在于，所述对目标区域的全色影像和多光谱影像进行滑动窗口采样，包括：
8.根据权利要求1所述的遥感影像分类方法，其特征在于，所述根据所有地理坐标范围的遥感影像分类概率图，拼接得到所述目标区域的整景影像分类概率图，包括：
9.一种遥感影像分类装置，其特征在于，包括：
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述遥感影像分类方法。
11.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述遥感影像分类方法。
12.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述遥感影像分类方法。
...【技术特征摘要】
1.一种遥感影像分类方法，其特征在于，包括：
2.根据权利要求1所述的遥感影像分类方法，其特征在于，所述第一骨干网络和所述第二骨干网络是基于两个权重不共享的efficientnet-b3网络模型构建的；
3.根据权利要求1所述的遥感影像分类方法，其特征在于，所述空间注意力模块包括：多个具有不同卷积核的卷积层、第一特征拼接层和第一隐藏单元；所述第一隐藏单元包括第一拼接特征卷积块和第一激活函数层；
4.根据权利要求1所述的遥感影像分类方法，其特征在于，所述通道注意力模块包括：全局平均池化单元、全局最大池化单元、第二特征拼接层、多个具有不同卷积核的一维卷积层、第三特征拼接层和第二隐藏单元，所述第二隐藏单元包括第二拼接特征卷积块和第二激活函数层；
5.根据权利要求1所述的遥感影像分类方法，其特征在于，所述特征融合模块包括：反卷积层、至少一个用于降维的卷积层、第四特征拼接层和第三拼接特征卷积块；
6.根据权利要求1所述的遥感影像分类方法，其特征在于，所述特征分类模块包括全...
【专利技术属性】
技术研发人员：陈静波，孟瑜，岳安志，李英龙，陈建胜，刘帝佑，宋柯，邓毓弸，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。