[发明专利]一种面向深度学习的遥感图像目标样本生成方法

权利要求书

1.一种面向深度学习的遥感图像目标样本生成方法，其特征在于，包括以下步骤：

（1）通过宽幅遥感影像进行样本切片提取，获得包含目标的实测遥感影像切片；

（2）在实测遥感影像切片中标注目标的位置和类别；

（3）根据标注后的实测遥感影像切片，生成遥感图像目标样本集；

（4）基于信息熵对步骤（3）生成的遥感图像目标样本集进行评价；

（5）根据步骤（4）的评价结果对遥感图像目标样本集进行取舍，若遥感图像目标样本集不符合要求，则删除该遥感图像目标样本集，并返回步骤（3）中重新生成新的遥感图像目标样本集。

2.根据权利要求1所述的一种面向深度学习的遥感图像目标样本生成方法，其特征在于，所述步骤（3）包括：

（301）根据角度旋转参数，对实测遥感影像切片进行等角度逆时针旋转，制作同一目标不同角度的样本集；

（302）根据噪声密度参数，对实测遥感影像切片添加不同密度的噪声，制作同一目标不同成像条件下的样本集；

（303）根据灰度变换幅度，对实测遥感影像切片进行不同亮度变换和成像对比度变换，制作同一目标不同亮度、不同对比度的样本集；

（304）根据剪切变换幅度，对实测遥感影像切片进行随机剪切，使其展示的是目标的随机部位成像，制作同一目标部位随机剪切的样本集；

（305）根据云层遮挡密度和云大小参数，对实测遥感影像切片进行不同大小和透明度的云层的随机遮挡，制作同一目标随机遮挡的样本集；

（306）将步骤（301）～（305）中各样本集中的样本进行排列组合，形成体现对同一目标拍摄过程的遥感图像目标样本集。

3.根据权利要求2所述的一种面向深度学习的遥感图像目标样本生成方法，其特征在于，所述步骤（4）包括：

（401）计算包含同一目标的各实测遥感影像切片的信息熵；

（402）计算对应于步骤（401）所述目标的遥感图像目标样本集的信息熵；

（403）计算遥感图像目标样本集的信息熵与实测遥感影像切片的信息熵的差距，以该差距作为遥感图像目标样本集的评价值。

4.根据权利要求3所述的一种面向深度学习的遥感图像目标样本生成方法，其特征在于，所述步骤（5）包括：

（501）若评价值小于预设阈值，则保留遥感图像目标样本集；否则，删除遥感图像目标样本集，并转入步骤（502）；

（502）调整步骤（301）～（305）中的角度旋转参数、噪声密度参数、灰度变换幅度、剪切变换幅度、云层遮挡密度和云大小参数，重新执行步骤（301）～（306）。