1.一种复杂背景遥感影像地物智能解译方法,其特征在于,包括以下步骤:S101:获取遥感影像地物解译公开数据集,对公开数据集进行预处理,将预处理后的影像数据按比例进行划分得到训练集、测试集和验证集;
S102:构建感知机模型,对训练集进行计算,输出目标地物复杂程度阈值;
S103:根据目标地物复杂程度阈值,选用改进UNet遥感地物解译模型,对公开数据集中所选解译类别地物进行训练权重迭代求解,获取遥感地物智能解译权重模型;
S104:将遥感地物智能解译权重模型导入改进UNet遥感地物解译模型,输入测试集,进行自适应遥感地物智能解译;
S102中构建感知机模型包括以下步骤:
S1021:将预处理的公开数据集,进行图像堆叠,组成线性可分的感知机数据集,公式如下T={(x1,y1),(x2,y2),...,(xn,yn)} (2)式中,xi∈X=Rn,yi∈Y=Rn,i=1,2,...,N,xi,yi均为在最大间隔超平面ω*x+b*=0上的特征点;X为二维特征超平面的任意轴,Y为二维特征超平面中与X正交的轴,ω*为二维特征超平面在空间直角坐标系中X-O-Z面上投影的斜率,b*为二维特征超平面在空间直角坐标系中X-O-Z面上投影与Z轴的截距,n为n维特征空间,N为整数集;
其中,自适应感知机模型分类函数表达式为:
f(x)=sign(ω*x+b*) (6)
式中,x为输入的特征向量,具体为输入训练集图像中目标地物前、背景区域之间的颜色差异及边界轮廓;ω*x+b*为特征分类超平面;
S1022:定义感知机损失函数为误分类点到特征分类超平面的距离之和,如式下式所示,其中,误分类点的感知机输出结果与真实结果的符号相反,如下式所示,
融合损失函数的自适应感知机模型表达式如下式所示,
式(3)-(5)中,M为误分类点的集合;
其中,感知机模型输出对不同假彩色数据集、不同目标地物的目标地物复杂程度判读结果并转化为目标地物复杂程度阈值,输入到改进UNet网络中;
S103中改进UNet遥感地物解译模型为基于UNet模型构建2组遥感地物解译模型,具体包括:UNet-1模型:由9个3×3卷积模块、3个最大池化模块组成特征提取网络;具体的,由9个反卷积模块对目标特征信息进行上采样,并通过3次层间连接将特征提取网络提取的包含目标地物低阶位置信息的特征图与上采样部分保留高阶语义信息的特征图融合,对预处理后的公开数据集的目标地物的端到端进行提取与分类;
UNet-2模型:由6个3×3卷积模块、2个最大池化模块组成特征提取网络;具体的,由6个反卷积模块组成上采样网络,2次层间连接实现低阶位置信息与高阶语义信息的融合,对预处理后的公开数据集的前、背景区域场景目标地物进行提取与分类。
2.根据权利要求1所述的一种复杂背景遥感影像地物智能解译方法,其特征在于,S101中的预处理包括:直方图校正和波段组合;
其中,直方图校正的具体内容为:
将每波段的M×N个像元亮度值均减去本波段像元亮度最小值,其中,影像宽为M个像元,高为N个像元,计算如下式:式中,fij为该波段的像元亮度值,fmin为该波段像元亮度最小值,fg为经直方图校正后影像像元亮度值;
波段组合的具体内容为:设置不同的波段组合方式生成假彩色影像。
3.根据权利要求1所述的一种复杂背景遥感影像地物智能解译方法,其特征在于,根据目标地物复杂程度阈值选择对应网络深度的遥感地物解译模型,其中,目标地物复杂程度阈值与对遥感地物解译模型的对应关系为:目标地物复杂程度阈值>k1时,对应UNet-2模型;k2<目标地物复杂程度阈值≤k1时,对应UNet-1模型;目标地物复杂程度阈值≤k2时,对应UNet模型,其中,k1>k2,k1、k2均为常数,且0
4.根据权利要求1所述的一种复杂背景遥感影像地物智能解译方法,其特征在于,S101中对预处理后的影像数据按0.8:0.1:0.1比例划分为训练集、测试集、验证集;其中,训练集为改进UNet遥感地物解译模型训练使用的样本集,测试集为改进UNet遥感地物解译模型交叉验证所使用的样本集,验证集为改进UNet遥感地物解译模型训练结束后评估模型性能所使用的样本。
5.根据权利要求1所述的一种复杂背景遥感影像地物智能解译方法,其特征在于,还包括:依据感知机模型输出结果,将基于目标地物复杂程度阈值判断为简单目标的地物输入到UNet-1、UNet-2模型中;将基于目标地物复杂程度阈值判断为复杂目标的地物输入到深层卷积网络中,在提取低阶特征图的目标位置信息的同时,提取高阶特征图中的目标语义信息。
6.根据权利要求1所述的一种复杂背景遥感影像地物智能解译方法,其特征在于,还包括:将自适应遥感地物智能解译后的遥感影像结果图视为解译图、将专家目视解译的遥感影像视为专家图,对二者进行二值化处理,使目标地物部分像素为255、背景部分像素为0,将两种图像的像素级对比结果作为评价指标,采用精确率precision、召回率Recall、准确率Accuracy评价复杂背景遥感影像地物智能解译方法,具体地:式中,TP为解译图和专家图中像素值均为255的像素点数量,即该算法正确识别的像素数量;FP为解译图像素值为255但专家图像素值为0的像素点数量,即该算法误识别的像素数量;FN为解译图像素值为0但专家图像素值为255的像素点数量,即该算法遗漏的目标地物所占像素点的数量;TN为解译图和专家图中像素值均为0的像素点数量,即检测算法正确判断为背景区域的像素数量。