【技术实现步骤摘要】
本专利技术属于遥感图像处理，更为具体地讲，涉及一种基于特征转换和知识增强的遥感图像细粒度地物提取方法。
技术介绍
1、细粒度地物提取任务是遥感影像分析的关键环节之一，其目标在于从高分辨率卫星或无人机图像中精确识别并提取出如灌溉地和水浇地、湖泊和河流、居民住宅和工厂等相似度较高、区分较为精细的地物对象。这一技术在城市规划、环境保护、农业监测等领域具有重要的应用价值。例如，在城市规划中，通过提取住宅区和工厂建筑物的分布信息，可以辅助评估城市热岛效应；在环境保护方面，对树木种类和健康状况的精细识别有助于生物多样性的保护工作；而在农业监测领域，对作物生长状态的准确判断对于提高农作物产量至关重要。
2、为了实现这些细粒度地物的提取，传统的做法依赖于人工目视解译或者简单的阈值分割方法。然而，这些方法往往耗时费力且难以保证一致性。因此，近年来研究者们致力于开发更加先进的自动处理技术以应对这一挑战。机器学习特别是深度学习技术的发展为解决这一问题提供了新的思路。通过构建复杂的神经网络模型，不仅可以实现对遥感图像的高效处理，还能在一定程度上模拟人类专家的知识和经验，从而达到甚至超越传统方法的精度。这些技术的应用极大地促进了遥感图像分析的自动化进程，并有望在未来进一步提升其智能化水平。
3、近年来，随着深度学习领域的进展，计算机视觉技术持续取得显著成就，在日常图像分类任务中，深度学习模型已经能达到与人类相当的表现。而对于遥感图像中的多类别地物提取——即语义分割任务，在深度学习技术支持下也实现了精度的重大飞跃，尽管如此，仍与人类
4、在现有技术中，专利名称为：一种基于光谱增强和双路编码的遥感图像典型地物提取方法，利用光谱增强模块和双路编码模块从空间信息和光谱信息两个方面入手，融合多种特征，增大了模型提取和融合不同类型信息的能力，从而解决之前方法中人工干预步骤较多、精度偏低的问题；利用四种注意力机制，构建不同类型的解码器，提升网络对不同类型特征的信息还原能力；利用光谱注意力，提升网络对光谱信息的特征提取和特征增强能力，提升网络的鲁棒性；然而基于光谱增强和双路编码的遥感图像典型地物提取方法具有如下的问题：
5、1、网络结构复杂。光谱增强双路编码网络为每一种地物都设计了一个解码器，使得网络结构臃肿，同时无法处理需要提取多种类型地物的任务。
6、2、提取和识别类间相似度较高的地物的能力差。光谱增强双路编码网络虽然能从光谱角度一定程度上分辨相似度较高的地物，但是特征提取和特征增强的能力较差，难以区分诸如水浇地和灌溉地这样相似度高的地物。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提供一种基于特征转换和知识增强的遥感图像细粒度地物提取方法，利用特征转换方法，充分发掘和利用遥感图像的像素空间信息，并将其编码到特征空间，并通过知识增强反复挖掘和融合不同尺度和阶段的特征空间信息，进而实现了对细粒度地物要素的智能提取，解决了光谱增强双路编码对类间相似度高的地物分辨能力差，提取精度低的问题。
2、本专利技术一种基于特征转换和知识增强的遥感图像细粒度地物提取方法，其特征在于，包括以下步骤：
3、(1)、构建用于训练特征知识增强网络的训练数据集；
4、(2)、搭建并训练特征知识增强网络；
5、(3)、利用训练后的特征知识增强网络进行遥感图像细粒度地物可视化提取。
6、本专利技术的专利技术目的是这样实现的：
7、本专利技术一种基于特征转换和知识增强的遥感图像细粒度地物提取方法，利用特征转换模块引入将遥感图像的像素信息转换为特征级别信息，增强网络对不同领域信息的提取和利用能力，从而增强网络对不同尺度、不同方面的特征信息的提取和利用能力；利用知识增强模块，融合不同阶段信息和不同尺度信息，进一步增强网络提取特征知识、利用特征知识的同时，提升网络对细粒度地物的分辨和提取能力，实现了对细粒度地物的自动化、智能化识别，并且对类间相似度高的地物的识别精度较高。
8、同时，本专利技术一种基于特征转换和知识增强的遥感图像细粒度地物提取方法还具有以下有益效果：
9、(1)、本专利技术基于传统深度学习网络结构，引入了特征转换模块提升了网络模型提取特征空间信息用能力，特征转换模块也能提升网络模型对细粒度地物的提取精度；
10、(2)、针对遥感图像中部分地物类间相似度较高的问题，设计了知识增强模块，知识增强模块能够提升网络对细粒度信息的提取能力，解决相似地物的提取精度低的问题；
11、(3)、针对遥感图像中的相似地物类间差异小、不同特征信息的融合利用困难的问题，本专利技术引入了一种时间步长控制的循环方法来迭代地优化分割结果。这种方法包括多次重复网络处理，每次迭代都由一个时间步长来控制。每一次迭代产生的结果会被整合到下一步中，提供额外的细化信息以生成更精确和完整的结果。这种迭代过程确保了分割精度能够逐步提高。
本文档来自技高网...【技术保护点】
1.一种基于特征转换和知识增强的遥感图像细粒度地物提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于特征转换和知识增强的遥感图像细粒度地物提取方法，其特征在于，所述训练数据集的构建方法为：
3.根据权利要求1所述的基于特征转换和知识增强的遥感图像细粒度地物提取方法，其特征在于，所述特征知识增强网络的搭建、训练过程为：
4.根据权利要求2所述的基于特征转换和知识增强的遥感图像细粒度地物提取方法，其特征在于，所述RBT模块的结构为：
5.根据权利要求2所述的基于特征转换和知识增强的遥感图像细粒度地物提取方法，其特征在于，所述ST模块的结构为：
6.根据权利要求1所述的基于特征转换和知识增强的遥感图像细粒度地物提取方法，其特征在于，所述遥感图像细粒度地物可视化提取过程为：
【技术特征摘要】
1.一种基于特征转换和知识增强的遥感图像细粒度地物提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于特征转换和知识增强的遥感图像细粒度地物提取方法，其特征在于，所述训练数据集的构建方法为：
3.根据权利要求1所述的基于特征转换和知识增强的遥感图像细粒度地物提取方法，其特征在于，所述特征知识增强网络的搭建、训练过程为：
4....
【专利技术属性】
技术研发人员：李玉霞，张靖霖，牛振业，何海萍，童忠贵，
申请(专利权)人：电子科技大学，
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。