遥感图像分类识别方法、装置、计算机设备和存储介质与流程

本申请涉及图像处理，特别是涉及一种遥感图像分类识别方法、装置、计算机设备和存储介质。

背景技术：

1、随着科学技术的不断发展，遥感图像作为地貌信息可视化的重要载体，在多种环境中均得到了高效应用。遥感图像主要由数十个或数百个相同场景或相同光谱频道数据共同组成，将相同光谱维度的像素点进行融合，进而形成遥感图像，图像中包含各种地物电磁波大小和特征表达。由于遥感图像中包含的特征信息种类较多，容易受到噪声因素影响，进行图像分类时误差较大。

2、现有技术中，基于多级别跨层双线性融合的遥感图像分类方法，通过现场采集的数据，建立多层次的特征提取模型，计算图像中每个区域尺度的特征信息，按照像素点特征在模型中的层次排列进行分类；基于图卷积网络的遥感图像分类方法，建立神经网络图像卷积模型，将图像亮度作为划分尺度，初步划分图像明暗区域，设计差异化模型，按照明暗差距关系进一步划分图像区域。

3、然而，申请人在实现过中发现，现有技术存在分类误差较大的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高遥感图像内容分类识别的遥感图像分类识别方法、装置、计算机设备和存储介质。

2、第一方面，本申请提供了一种遥感图像分类识别方法，方法包括：

3、获取待分类识别的遥感图像，并提取遥感图像的深度特征信息；

4、确定深度特征信息对应的特征通道，以及特征通道的通道权重；

5、根据特征通道的通道权重以及特征通道的深度特征信息，得到通道特征；

6、对通道特征进行特征聚合处理，得到分类识别特征；

7、将分类识别特征输入预先训练的遥感图像分类模型，通过遥感图像分类模型得到遥感图像的图像内容分类识别结果。

8、在其中一个实施例中，遥感图像分类模型包括分类器和生成器；

9、将分类识别特征输入预先训练的遥感图像分类模型，通过遥感图像分类模型得到遥感图像的图像内容分类识别结果，包括：

10、将分类识别特征输入预先训练的遥感图像分类模型，通过分类器得到遥感图像的图像内容分类识别结果。

11、在其中一个实施例中，遥感图像分类模型的生成方式包括：

12、获取样本分类识别特征；样本分类识别特征包括第一样本分类识别特征和第二样本分类识别特征，第一样本分类识别特征为携带有图像内容标签的样本分类识别特征，第二样本分类识别特征为未携带有图像内容标签的样本分类识别特征；

13、获取针对样本分类识别特征的随机向量，并将随机向量输入到生成器，通过生成器得到伪样本分类识别特征；

14、将第一样本分类识别特征、第二样本分类识别特征和伪样本分类识别特征输入至分类器，通过分类器得到样本分类识别特征识别结果以及图像内容分类预测结果；图像内容分类预测结果包括第一样本分类识别特征对应的图像内容分类预测结果；

15、根据样本分类识别特征识别结果、样本分类识别特征以及伪样本分类识别特征确定第一损失值，并根据第一样本分类识别特征的图像内容标签和第一样本分类识别特征对应的图像内容分类预测结果确定第二损失值；

16、通过第一损失值和第二损失值，确定分类器的总损失值，并通过总损失值对分类器进行训练，得到训练完成的遥感图像分类模型。

17、在其中一个实施例中，确定深度特征信息对应的特征通道，以及特征通道的通道权重，包括：

18、获取特征通道对应的权重平均值以及特征通道对应的权重最大值；

19、根据深度特征信息、权重平均值以及权重最大值，确定特征通道的通道权重。

20、在其中一个实施例中，对通道特征进行特征聚合处理，得到分类识别特征，包括：

21、获取针对通道特征的多个特征聚合参数；

22、基于多个特征聚合参数以及通道特征，得到分类识别特征。

23、在其中一个实施例中，提取遥感图像的深度特征信息之前，包括：

24、获取遥感图像的高频信息和遥感图像的低频信息；

25、根据高频信息和低频信息，对遥感图像进行去噪处理，得到去噪后的遥感图像；

26、提取遥感图像的深度特征信息，包括：

27、提取去噪后的遥感图像的深度特征信息。

28、在其中一个实施例中，根据高频信息和低频信息，对遥感图像进行去噪处理，得到去噪后的遥感图像，包括：

29、获取针对高频信息预先构建的残差映射关系；

30、根据高频信息、低频信息以及残差映射关系，得到针对遥感图像的像素的损失函数；

31、根据像素的损失函数、高频信息和低频信息，对遥感图像，得到去噪后的遥感图像。

32、第二方面，本申请还提供了一种遥感图像分类识别装置，装置包括：

33、深度特征提取模块，用于获取待分类识别的遥感图像，并提取遥感图像的深度特征信息；

34、通道权重确定模块，用于确定深度特征信息对应的特征通道，以及特征通道的通道权重；

35、通道特征获取模块，用于根据特征通道的通道权重以及特征通道的深度特征信息，得到通道特征；

36、分类特征确定模块，用于对通道特征进行特征聚合处理，得到分类识别特征；

37、识别结果获取模块，用于将分类识别特征输入预先训练的遥感图像分类模型，通过遥感图像分类模型得到遥感图像的图像内容分类识别结果。

38、第三方面，本申请还提供了一种计算机设备。该计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的方法的步骤。

39、第四方面，本申请还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的方法的步骤。

40、上述遥感图像分类识别方法、装置、计算机设备和存储介质，通过获取待分类识别的遥感图像，并提取遥感图像的深度特征信息；确定深度特征信息对应的特征通道，以及特征通道的通道权重；根据特征通道的通道权重以及特征通道的深度特征信息，得到通道特征；对通道特征进行特征聚合处理，得到分类识别特征；将分类识别特征输入预先训练的遥感图像分类模型，通过遥感图像分类模型得到遥感图像的图像内容分类识别结果。与传统技术相比，本申请通过对深度特征信息以及特征通道的通道权重进行处理得到通道特征，并将通道特征进行特征聚合得到分类识别特征，通过遥感图像分类模型，且基于分类识别特征对遥感图像的图像内容进行分类识别，能够有效准确地识别得到遥感图像的图像内容，减少现有技术中的对于遥感图像的图像内容分类误差，从而提高了对遥感图像的图像内容分类识别的准确性。

技术特征：

1.一种遥感图像分类识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述遥感图像分类模型包括分类器和生成器；

3.根据权利要求2所述的方法，其特征在于，所述遥感图像分类模型的生成方式包括：

4.根据权利要求1所述的方法，其特征在于，所述确定所述深度特征信息对应的特征通道，以及所述特征通道的通道权重，包括：

5.根据权利要求1所述的方法，其特征在于，所述对所述通道特征进行特征聚合处理，得到分类识别特征，包括：

6.根据权利要求1所述的方法，其特征在于，所述提取所述遥感图像的深度特征信息之前，包括：

7.根据权利要求6所述的方法，其特征在于，所述根据所述高频信息和低频信息，对所述遥感图像进行去噪处理，得到去噪后的遥感图像，包括：

8.一种遥感图像分类识别装置，其特征在于，所述装置包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种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权利要求1至7中任一项所述的方法的步骤。

技术总结
本申请涉及一种遥感图像分类识别方法、装置、计算机设备和存储介质。该方法包括：获取待分类识别的遥感图像，并提取遥感图像的深度特征信息；确定深度特征信息对应的特征通道，以及特征通道的通道权重；根据特征通道的通道权重以及特征通道的深度特征信息，得到通道特征；对通道特征进行特征聚合处理，得到分类识别特征；将分类识别特征输入预先训练的遥感图像分类模型，通过遥感图像分类模型得到遥感图像的图像内容分类识别结果。采用本方法能够提高对遥感图像的图像内容分类识别的准确性。

技术研发人员：刘重阳,从硕,马一宁,李洁珊,李燕妮,杨春,谢彬瑜,白鹏华,李于达,赵嘉奇,何双伯
受保护的技术使用者：南方电网能源发展研究院有限责任公司
技术研发日：
技术公布日：2024/1/15