欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022111376925
申请人: 长沙理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种遥感图像识别方法,其特征在于,所述方法包括:

获取遥感图像,并对所述遥感图像进行标注,得到训练样本;

构建遥感图像识别模型,所述遥感图像识别模型包括:卷积分块器模块、特征提取网络以分类网络;卷积分块器模块用于采用卷积模块将训练样本划分为多个图像小块,所述特征提取网络包括:4个stage,第一个stage采用sandglass-CA模块增加空间连接,提取多个图像小块的空间坐标特征;第二个stage采用DWformer模块中的卷积核大小为3的深度卷积和通道多层感知机分别学习所述空间坐标特征的空间信息和通道维度的信息;第三个stage采用DWformer模块学习第二stage输出特征的空间信息和通道维度信息;第四个stage采用LKDWFormer模块中的卷积核大小为9的深度卷积和通道多层感知机学习第三stage输出特征的空间信息和通道维度信息,得到图像特征;所述分类网络用于根据所述图像特征进行遥感图像分类,得到分类预测结果;

根据将所述训练样本输入到所述遥感图像识别模型中得到的分类预测结果,以及训练样本的标注对所述遥感图像识别模型进行训练,得到训练好的遥感图像识别模型;

将获取的待测遥感图像输入到训练好的遥感图像识别模型,得到待测遥感图像的分类结果。

2.根据权利要求1所述的方法,其特征在于,所述卷积分块器模块包括:3个依次连接的卷积模块,第一个和第二个卷积模块包括3×3卷积层、批标准化层和ReLU激活函数;第三个卷积模块包括3×3卷积层、批标准化层、ReLU激活函数和最大池化层;

根据将所述训练样本输入到所述遥感图像识别模型中得到的分类预测结果,以及训练样本的标注对所述遥感图像识别模型进行训练,得到训练好的遥感图像识别模型,包括:将所述训练样本输入到所述卷积分块器模块中,采用三个卷积模块将所述训练样本划分为多个图像小块;

将多个所述图像小块输入到所述特征提取网络中,得到图像特征;

将所述图像特征输入到所述分类网络中,得到分类预测结果;

根据所述分类预测结果和训练样本的标注对所述遥感图像识别模型进行反向训练,得到训练好的遥感图像识别模型。

3.根据权利要求2所述的方法,其特征在于,所述特征提取网络还包括:3个卷积下采样层;

将多个所述图像小块输入到所述特征提取网络中,得到图像特征,包括:

将所述图像小块输入到第一个stage中,并将得到的特征输入到第一个卷积下采样层中,得到空间坐标特征;

将所述空间坐标特征输入到第二个stage中,并将得到的输出特征输入到第二个卷积下采样层中,得到第二stage输出特征;

将所述第二stage输出特征输入到第三个stage中,并将得到的输出特征输入到第三个卷积下采样层中,得到第三stage输出特征;

将所述第三stage输出特征输入到第四个stage中,得到图像特征。

4.根据权利要求3所述的方法,其特征在于,第一个stage包括:2个sandglass-CA模块;其中,sandglass-CA模块由sandglass模块和坐标注意力模块构成;所述sandglass模块包括:第一深度卷积层、第一点卷积层、第二点卷积层以及第二深度卷积层;

将所述图像小块输入到第一个stage中,并将得到的特征输入到第一个卷积下采样层中,得到空间坐标特征,包括:将所述图像小块输入到第一个sandglass-CA模块的sandglass模块中,经过第一深度卷积层后采用ReLU6函数激活,得到空间信息特征;

将所述空间信息特征输入到第一个sandglass-CA模块的坐标注意力模块中,输出空间坐标注意力特征;

将所述空间信息特征和所述空间坐标注意力特征在空间维度上进行拼接,得到第一中间特征;

将所述第一中间特征经过第一个sandglass-CA模块的sandglass模块的第一点卷积层、第二点卷积层处理后,并将得到的结果经过第一个sandglass-CA模块的sandglass模块的第二深度卷积层进行处理,得到第二中间特征;

将所述第二中间特征与所述图像小块进行拼接,得到第一空间坐标特征;

将所述第一空间坐标特征输入到第二个sandglass-CA模块中,得到第二空间坐标特征;

将所述第二空间坐标特征输入到第一卷积下采样层中,得到空间坐标特征。

5.根据权利要求3所述的方法,其特征在于,第二个stage包括:2个DWformer模块,所述DWformer模块包括:第三深度卷积层和通道多层感知机,所述第三深度卷积层的卷积核大小为3;

将所述空间坐标特征输入到第二个stage中,并将得到的输出特征输入到第二个卷积下采样层中,得到第二stage输出特征,包括:将所述空间坐标特征输入到第二stage的第一个DWformer模块的第三深度卷积层中,并将得到的结果采用层标准化处理后,得到空间维度信息;

将所述空间维度信息输入到第二stage的第一个DWformer模块的通道多层感知机中,得到通道维度信息;

将所述空间维度信息和所述通道维度信息进行融合,得到第二stage的中间输出特征;

将所述第二stage的中间输出特征输入到第二个DWformer模块中,并将得到的结果输入到第二个卷积下采样层后,得到第二stage输出特征。

6.根据权利要求3所述的方法,其特征在于,第三个stage包括:4个DWformer模块;其中,所述DWformer模块包括:第四深度卷积层和通道多层感知机,所述第四深度卷积层的卷积核大小为3。

7.根据权利要求3所述的方法,其特征在于,第四个stage包括:2个LKDWFormer模块;其中,所述LKDWFormer模块包括:第五深度卷积层、GELU激活函数、批标准化层以及通道多层感知机, 所述第五深度卷积层的卷积核大小为9;

将所述第三stage输出特征输入到第四个stage中,得到图像特征,包括:将所述第三stage输出特征输入到第一个LKDWFormer模块的所述第五深度卷积层中,并将得到的结果采用所述GELU激活函数进行激活,将激活结果采用批标准化层进行处理,得到第一空间维度信息;

将所述第一空间维度信息与所述第三stage输出特征进行融合,得到融合特征;

将所述融合特征输入到第一个LKDWFormer模块的通道多层感知机中,得到第一通道维度信息;

将所述融合特征与所述第一通道维度信息进行融合,得到第一图像特征;

将所述第一图像特征输入到第二个LKDWFormer模块中,得到图像特征。

8.一种遥感图像识别装置,其特征在于,所述装置包括:

数据获取模块,用于获取遥感图像,并对所述遥感图像进行标注,得到训练样本;

遥感图像识别模型构建模块,用于构建遥感图像识别模型,所述遥感图像识别模型包括:卷积分块器模块、特征提取网络以分类网络;卷积分块器模块用于采用卷积模块将训练样本划分为多个图像小块,所述特征提取网络包括:4个stage,第一个stage采用sandglass-CA模块增加空间连接,提取多个图像小块的空间坐标特征;第二个stage采用DWformer模块中的卷积核大小为3的深度卷积和通道多层感知机分别学习所述空间坐标特征的空间信息和通道维度的信息;第三个stage采用DWformer模块学习第二stage输出特征的空间信息和通道维度信息;第四个stage采用LKDWFormer模块中的卷积核大小为9的深度卷积和通道多层感知机学习第三stage输出特征的空间信息和通道维度信息,得到图像特征;所述分类网络用于根据所述图像特征进行遥感图像分类,得到分类预测结果;

遥感图像识别模型训练模块,用于根据将所述训练样本输入到所述遥感图像识别模型中得到的分类预测结果,以及训练样本的标注对所述遥感图像识别模型进行训练,得到训练好的遥感图像识别模型;

遥感图像分类模块,用于将获取的待测遥感图像输入到训练好的遥感图像识别模型,得到待测遥感图像的分类结果。

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。