[发明专利]一种遥感影像面向对象分类方法及分类装置

权利要求书

1.一种遥感影像面向对象分类方法，其特征在于，包括：

获取遥感影像数据；

通过面向对象多尺度分割算法，对获取的遥感影像数据进行分割，得到影像对象块；

将深度卷积神经网络与循环神经网络相结合，并添加跳跃连接，构建VGG16-BiLSTM-Skip模型，其中，VGG16表示16层的深度卷积神经网络，BiLSTM表示双向长短时记忆循环神经网络，Skip表示跳跃连接；

利用影像对象块对构建的VGG16-BiLSTM-Skip模型进行训练，得到影像对象块的分类器，所述分类器，用于对遥感影像进行分类；

其中，所述通过面向对象多尺度分割算法，对获取的遥感影像数据进行分割，得到影像对象块包括：

通过基于区域增长的多尺度分割算法，对获取的遥感影像数据进行分割，得到影像对象块；

其中，构建的VGG16-BiLSTM-Skip模型是引入跳跃连接的基于1个VGG16和2个BiLSTM的级联网络模型；

其中，在利用影像对象块对构建的VGG16-BiLSTM-Skip模型进行训练，得到影像对象块的分类器之前，所述方法还包括：

对分割得到的影像对象块进行预处理操作，其中，所述预处理操作包括：通道调整、波段整合、尺度调整、归一化、数据扩充、解决类别不均衡问题以及数据集划分，所述数据集划分为将影像对象块划分为训练集、验证集和测试集；

其中，所述利用影像对象块对构建的VGG16-BiLSTM-Skip模型进行训练，得到影像对象块的分类器包括：

将训练集中的影像对象块作为输入，通过VGG16一系列的卷积、池化操作对特征图谱进行提取，将VGG16提取的多层的特征图谱进行融合，将融合后的特征图谱作为BiLSTM的输入；

BiLSTM对融合后的特征图谱的上下左右的特征进行特征组合，获取遥感对象块空间上下文信息；

将BiLSTM输出的遥感对象块空间上下文信息转化为特征向量，对所述特征向量进行处理，输出遥感对象块属于每一类的概率值。

2.一种遥感影像面向对象分类装置，其特征在于，包括：

获取模块，用于获取遥感影像数据；

分割模块，用于通过面向对象多尺度分割算法，对获取的遥感影像数据进行分割，得到影像对象块；

构建模块，用于将深度卷积神经网络与循环神经网络相结合，并添加跳跃连接，构建VGG16-BiLSTM-Skip模型，其中，VGG16表示16层的深度卷积神经网络，BiLSTM表示双向长短时记忆循环神经网络，Skip表示跳跃连接；

训练模块，用于利用影像对象块对构建的VGG16-BiLSTM-Skip模型进行训练，得到影像对象块的分类器，所述分类器，用于对遥感影像进行分类；

其中，所述分割模块，用于通过基于区域增长的多尺度分割算法，对获取的遥感影像数据进行分割，得到影像对象块；

其中，构建的VGG16-BiLSTM-Skip模型是引入跳跃连接的基于1个VGG16和2个BiLSTM的级联网络模型；

其中，所述装置还包括：

预处理模块，用于对分割得到的影像对象块进行预处理操作，其中，所述预处理操作包括：通道调整、波段整合、尺度调整、归一化、数据扩充、解决类别不均衡问题以及数据集划分，所述数据集划分为将影像对象块划分为训练集、验证集和测试集；

其中，所述训练模块包括：

融合单元，用于将训练集中的影像对象块作为输入，通过VGG16一系列的卷积、池化操作对特征图谱进行提取，将VGG16提取的多层的特征图谱进行融合，将融合后的特征图谱作为BiLSTM的输入；

组合单元，用于BiLSTM对融合后的特征图谱的上下左右的特征进行特征组合，获取遥感对象块空间上下文信息；

分类单元，用于将BiLSTM输出的遥感对象块空间上下文信息转化为特征向量，对所述特征向量进行处理，输出遥感对象块属于每一类的概率值。