[发明专利]遥感图像分类方法、装置、电子设备及可读存储介质

说明书

本申请涉及应用软件技术领域，尤其涉及一种遥感图像分类方法、装置、电子设备及可读存储介质。该遥感图像分类方法包括：获取待测试遥感图像数据；基于预设的遥感图像分类模型对所述待测试遥感图像数据进行分类处理，得到针对所述待测试遥感图像数据的分类准确度。本申请中，通过引入遥感图像分类模型，实现了对待测试遥感图像数据的分类，相较于现有中的遥感图像分类方式，提升了分类的准确度。

技术领域

本申请涉及应用软件技术领域，尤其涉及一种遥感图像分类方法、装置、电子设备及可读存储介质。

背景技术

迁移学习是为了解决实际生活中很多应用领域图像数据无标签，但是却需要对图像进行分类等问题而出现的一种新的机器学习方法。目前很多领域的数据无标记或者有少量标记(目标域)，对这些数据进行分类识别时，由于数据集无标签或者数据集有少量标签等原因而无法训练一个性能良好的深度神经网络，但由于该数据存在大量与其相关的有标签的源域样本遥感图像数据，并且源域和目标域的样本具有相同的特征空间，故而可使用迁移学习方法将源域训练的模型运用到目标域的分类任务中，通过使用合适的迁移学习算法来提高目标域数据的分类识别效果。

目前用于图像分类的迁移学习算法大多通过匹配源域和目标域数据的特征分布来降低域分布差异，从而提高遥感图像分类模型的迁移性能。而在实际情况中对源域数据和目标域数据的特征分布使用特征适应算法进行特征适应后，源域数据的分类器与目标域数据的分类器之间仍存在一定的差异，故而只进行特征适应并不能消除源域模型与目标域模型之间的不匹配，且现有的遥感图像分类方法中，对于数据的分类准确度不高，因此，亟需一种能够提高遥感图像分类准确度的处理方式。

发明内容

本申请提供了一种遥感图像分类方法、装置、电子设备及可读存储介质，以提高了遥感图像分类的精确度。

第一方面，提供了一种遥感图像分类方法，包括：

获取待测试遥感图像数据；

基于预设的遥感图像分类模型对所述待测试遥感图像数据进行分类处理，得到针对所述待测试遥感图像数据的分类准确度。

在一个可能地实现方式中，所述获取待测试遥感图像数据，包括：

获取目标域遥感图像数据；

提取所述目标域遥感图像数据中预设数量的遥感图像数据作为待测试遥感图像数据。

在一个可能地实现方式中，所述方法还包括：

根据所述分类准确度对所述遥感图像分类模型进行评估，得到对所述遥感图像分类模型的评估结果，以根据所述评估结果确定所述遥感图像分类模型的网络性能。

在一个可能地实现方式中，所述基于预设的遥感图像分类模型对所述待测试遥感图像数据进行分类处理之前，包括：

构建遥感图像分类模型；

获取样本遥感图像数据；

将所述样本遥感图像数据输入到目标函数中进行模型训练，得到所述遥感图像分类模型。

在一个可能地实现方式中，所述构建遥感图像分类模型，包括：

调整预设的第一模型的分类层的神经元个数，得到目标分类器；

在所述目标分类器上接入由全连接层组成的第一网络得到源域分类器；

在所述第一模型的编码器后面接入特定数量的全连接层组成距离评估器；

根据所述源域分类器及所述距离评估器构建所述遥感图像分类模型。

在一个可能地实现方式中，所述样本遥感图像数据包括源域遥感图像数据以及剩余的目标域遥感图像数据，所述剩余的目标域遥感图像数据为目标域遥感图像数据中除去待测试遥感图像数据后剩余的遥感图像数据。