[发明专利]一种基于聚焦权重矩阵与变尺度语义分割神经网络的遥感对象解译方法

摘要

本发明公开了一种基于聚焦权重矩阵与变尺度语义分割神经网络的遥感对象解译方法，包括如下步骤：数据获取和数据预处理；专题图制作；样本切割；多空间尺度遥感影像标注策略设计；制作样本集的标注；构建多尺度遥感影像语义解译模型；选取训练集与验证集；设定训练参数；模型训练；基于聚焦权重矩阵的遥感对象识别算法设计以及变尺度遥感影像语义解译模型的效果验证分析。本发明通过构建LSTM，得到的语义描述中名词和语义分割得到的对象掩模图之间的联系，将语义描述中的空间关系转移到对象掩模图之间，从而实现遥感对象的变尺度语义分割以及空间关系的端到端识别，引导遥感应用领域的影像分类和识别工作向更高的台阶迈步。

主权项

1.一种基于聚焦权重矩阵与变尺度语义分割神经网络的遥感对象解译方法，其特征在于，包括：/n步骤S1：获取预设研究区域的高分辨率遥感影像，并对获取的高分辨率遥感影像进行预处理；/n步骤S2：利用专业GIS软件进行矢量化工作，得到研究区域专题图层，并对矢量专题图栅格化，得到对应的栅格灰度图；/n步骤S3：对预处理后的遥感影像以及栅格灰度图进行切割，提取出两套空间尺度的数据样本集，其中，两套空间尺度的数据样本集分别包含原始影像和大尺度GT图，原始影像和小尺度GT图；/n步骤S4：对两套空间尺度的数据样本集中的每个遥感影像按照多空间尺度遥感影像标注策略进行内容标注，得到样本集标注；/n步骤S5：构建变尺度遥感影像语义解译模型，通过解译模型得到多尺度语义分割图，并通过掩膜提取算法提取出两个尺度对象的掩膜，再通过一个变尺度对象识别将U-Net网络分割出的小尺度掩膜对象与语义描述中的名词进行关联，其中，变尺度遥感影像语义解译模型包括：FCN全卷积网络、U-Net语义分割网络以及基于Attention机制的LSTM网络，其中，FCN网络用于大尺度对象分割，U-Net网络用于小尺度对象分割，LSTM用以生成包含两个空间尺度对象及其空间关系的语义描述；/n步骤S6：对构建的变尺度遥感影像语义解译模型中的FCN网络、U-Net语义分割网络以及LSTM网络进行训练，得到训练后的模型；/n步骤S7：利用训练后的模型进行遥感对象的识别，具体包括：通过LSTM网络当前时刻生成名词的聚焦权重矩阵定位到U-Net语义分割得到的掩模图中相应的小尺度对象，如果对象类标签与名词相同，则完成对象的识别。/n