[发明专利]基于多尺度裁剪机制的遥感图像文字说明生成方法

摘要

本发明公开了一种基于多尺度裁剪机制的遥感图像文字说明生成方法，用于解决现有遥感图像文字说明生成方法存在过拟合现象的技术问题。技术方案是在数据集中的遥感图像输入CNN之前，对原始遥感图像按照多个不同的尺度裁剪为大小不一的图像块，再将裁剪后的图像块重新缩放到统一尺寸大小，输入到编码器‑解码器模型中，从而使数据集得到扩充，同时使得CNN能更好地提取图像中的全局特征与局部特征，有效地减少因数据集中图像数量有限所造成的过拟合现象，进一步提高遥感图像文字说明生成任务的准确度。同时，通过裁剪多个尺度图像块进行训练，显著提高了模型的泛化能力。

主权项

1.一种基于多尺度裁剪机制的遥感图像文字说明生成方法，其特征在于包括以下步骤：步骤一、定义缩放尺度比例值列表S；S＝[s₁,s₂,...,s_n]                        (1)式中，s_i(i＝1,2,...,n)表示列表中定义的一个比例值，n表示列表中比例值的总数；步骤二、对输入图像进行处理，将输入图像缩放为固定尺寸大小d×d，从列表S中选取一个比例值s_i，将缩放为固定尺寸大小的图像根据所选取比例值进行裁剪；d'＝d×s_i                          (2)式中，d'表示裁剪后的图像块尺寸大小；步骤三、利用卷积神经网络CNN对裁剪后的图像块进行特征提取；v₀＝CNN(P_i)            (3)式中，P_i表示裁剪后的图像块，CNN(·)表示卷积神经网络过程，v₀表示一个固定长度的特征向量；步骤四、利用长短期记忆网络LSTM生成相应的文字说明语句；y＝{ω₁,ω₂,...,ω_t,...,ω_N},t∈{0,...,N}      (4)h_t＝g(h_t‑1,v₀,ω_t‑1)                           (5)p_t＝soft max(h_t)                              (6)式中，h_t表示t时刻LSTM的隐藏状态，ω_t表示一句文字说明语句y中对应的每一个单词，g(·)表示LSTM的过程，p_t表示h_t经过soft max函数后的下一个单词出现的概率；然后最小化目标句子的负似然函数Loss损失函数；式中，ω_t表示一句文字说明语句y中对应的每一个单词，p_t表示下一个单词出现的概率。