[发明专利]考虑空间关系信息的城市遥感影像场景分类方法

权利要求书

1.考虑空间关系信息的城市遥感影像场景分类方法，其特征在于，包括以下步骤：

步骤1，将遥感影像进行均匀无重叠裁剪成子图；

步骤2，对每一个子图进行视觉信息编码，获得特征图像F_V；

步骤3，将特征图像F_V输入交叉传递单元获得层次化空间特征；

步骤4，对所述的层次化空间特征进行卷积降维；

步骤5，对降维后的特征进行softmax模型分类，获得分类结果；

步骤1中所述的裁剪过程为：尺寸M×N的大范围遥感影像I被均匀无重叠的滑动裁剪成m×n个子图，每个子图p_i，j的尺寸为其中，p_i，j在I中的行列号(i，j)作为空间信息保存；

步骤2中所述的视觉信息编码，采用预训练好的深度卷积模型将对每一个子图p_i，j进行视觉信息编码，将p_i，j转化为一个向量遥感影像I被转换为特征图像F_V：

所述的交叉传递单元用于局部空间信息与长程空间信息的提取与融合，所述的局部空间信息的提取公式为：F_r＝Conv(F_v)＝F_v*W+b，其中，F_r表示提取分析的空间关系信息，W表示卷积核，b表示偏置量，星号*表示卷积计算，所述的长程空间信息采用基于循环神经网络的ReNet模块进行提取。

2.根据权利要求1所述的城市遥感影像场景分类方法，其特征在于，所述的交叉传递单元的输入为特征图像F_V，输出为层次化空间特征F_E，采用三条路径进行信息的提取分析与传递：第一条路径先对F_V进行局部空间信息的提取，而后进行长程空间信息的提取；第二条路径先对F_V先进行长程空间信息的提取，而后进行局部空间信息的提取；第三条路径则直接将F_V传递到交叉传递单元末端的捷径，不进行额外处理，由此，输出层次化空间特征F_E表示为：

F_E＝tanh(ReNet²(Conv¹(F_V))+Conv²(ReNet¹(F_V))+F_V)

其中tanh为双曲正切函数，ReNet¹，ReNet²表示两个不同的ReNet模块，Conv¹和Conv²表示两个不同的卷积模块。

3.根据权利要求1或2所述的城市遥感影像场景分类方法，其特征在于，步骤3中所述的特征图像经过三个串联的交叉传递单元，得到的层次化空间特征记为F_M；

在步骤4中，采用尺寸为1×1的卷积层Conv_1×1对F_M进行卷积降维；

在步骤5中，采用softmax模型进行分类，p_i，j的分类结果C_i，j表示为：

C_i,j＝argmax(softmax(conv_1×1(F_M)_i,j))

其中，argmax(x)表示向量x最大分量所对应的维度。

4.根据权利要求1所述的城市遥感影像场景分类方法，其特征在于，所述ReNet模块可以从上下左右四个方向沿像素的行列进行长程空间信息的提取分析。

5.根据权利要求1所述的城市遥感影像场景分类方法，其特征在于，所述softmax模型训练过程中，损失函数为交叉熵损失，采用反向传播方法来优化模型参数。