申请/专利权人:武汉大学
申请日:2024-01-11
公开(公告)日:2024-04-30
公开(公告)号:CN117953387A
主分类号:G06V20/13
分类号:G06V20/13;G06V20/70;G06V10/26;G06V10/44;G06V10/764;G06V10/77;G06V10/774;G06V10/82
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:本发明公开了一种基于知识一致性约束的跨分辨率土地覆盖分类方法和系统,包括开源土地覆被产品与遥感影像的获取与预处理,深度学习样本集制作,语义分割模型训练,分类效果的目视比较与精度评价,土地覆被产品图制作。本发明旨在构建一个适用于高分辨率遥感影像智能分类方法体系,将低分辨率开源土地覆被产品作为弱监督信息去指导高分辨率遥感影像的语义分割,在无需任何标注成本的情况下实现高分辨率土地覆被制图,对于减少遥感影像的语义分割对标注的依赖具有重要的意义。
主权项:1.基于知识一致性约束的跨分辨率土地覆盖分类方法,其特征在于,包括如下步骤:步骤1,遥感影像收集及预处理:对收集的高分辨率遥感影像进行预处理操作,得到目标区域影像;步骤2,开源土地覆被产品收集:根据目标区域范围,收集土地覆被产品,并对其进行重分类和重采样操作,最后根据影像位置对土地覆被产品进行地理配准;步骤3,弱监督遥感影像土地覆被分类数据集制作,并划分训练集和测试集;步骤4,构建基于知识进化学习的弱监督语义分割模型,利用制作好的训练集进行训练,根据测试集评价结果保存最佳分割模型;步骤4中所述弱监督语义分割模型采用Vgg模型作为骨干网络,得到各阶段的侧输出,然后将各阶段的侧输出重新采样到与输入大小相同的大小,并进行连接,得到特征地图,然后利用多个全连接层对特征映射进行降维,得到层次特征,然后再通过一个全连接层,最后利用分类器求出预测概率;步骤5,根据步骤4得到的最佳分割模型,对预测影像进行预测,采用先切片预测再拼接的方法,将拼接后的预测结果赋予原影像的坐标系统和空间位置信息。
全文数据:
权利要求:
百度查询: 武汉大学 基于知识一致性约束的跨分辨率土地覆盖分类方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。