[发明专利]一种基于深度学习的遥感图像目标提取方法和装置

权利要求书

1.一种基于深度学习的遥感图像目标提取方法，其特征在于，包括：

步骤1、获取目标区域的遥感图像信息；

步骤2、采用深度学习对遥感图像信息进行特征提取以及AI图像识别，生成乡该目标区域当前的土地类型信息。

2.如权利要求1所述的基于深度学习的遥感图像目标提取方法，其特征在于，步骤2具体包括：

对所述遥感图像中的高分影像中的自然资源信息进行预标注，作为训练样本；

建立卷积神经网络CNNs的深度学习模型，并根据所述训练样本对所述深度学习模型进行训练；

根据训练得到的深度学习模型对遥感图像进行土地资源信息提取，得到二值化图像；

对所述二值化图像进行土地类型信息标定。

3.如权利要求1所述的基于深度学习的遥感图像目标提取方法，其特征在于，所述获取遥感图像，包括：通过卫星或航拍器获取目标区域的遥感图像。

4.如权利要求2所述的基于深度学习的遥感图像目标提取方法，其特征在于，所述卷积神经网络CNNs的深度学习模型，包括：结合U-net和Densenet两种卷积神经网络的结构特征，建立卷积神经网络CNNs的深度学习模型。

5.如权利要求2所述的基于深度学习的遥感图像目标提取方法，其特征在于，所述卷积神经网络CNNs的深度学习模型，包括：

输入层，用于将输入图像以向量形式进行输出；

卷积层，通过滑动窗口的方式计算其与图像的内积，并将内积的结果进行输出；

池化层，位于卷积层之后，用于对所述内积的结果进行聚合统计，完成空间的下采样；

输出层，用于将所述类别得分结果进行输出。

6.一种基于深度学习的遥感图像目标提取装置，包括：

获取模块，用于获取目标区域的遥感图像信息；

提取模块，用于采用深度学习对遥感图像信息进行特征提取以及AI图像识别，生成乡该目标区域当前的土地类型信息。

7.如权利要求6所述的基于深度学习的遥感图像目标提取装置，其特征在于，提取模块具体包括：

标注单元，用于对所述遥感图像中的高分影像中的自然资源信息进行预标注，作为训练样本；

训练单元，用于建立卷积神经网络CNNs的深度学习模型，并根据所述训练样本对所述深度学习模型进行训练；

提取单元，用于根据训练得到的深度学习模型对遥感图像进行土地资源信息提取，得到二值化图像；

标定单元，用于对所述二值化图像进行土地类型信息标定。

8.如权利要求6所述的基于深度学习的遥感图像目标提取方法，其特征在于，获取模块通过卫星或航拍器获取目标区域的遥感图像。