买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江西师范大学

摘要：本发明涉及图像识别处理领域，提出了一种基于协作网络的高分辨率地表覆被遥感分类方法及系统，通过设计一种协作网络，根据局部特征编码模块和全局特征编码模块进行局部覆被特征和全局覆被特征的增强，以获取更多的局部特征信息和全局特征信息，进而提高分类预测的精确性，再设计一种特征解码模块进行多个空间尺度的地表覆被分类预测，并通过设计一种多尺度加权损失函数，根据覆被类型中值频率与对比度因子建立多重加权的损失函数并应用于不同尺度的地表覆被分类预测，以提升少数类与困难类覆被类型的识别能力，进而提高整体分类预测的精确性，最终进行精度验证以输出最终地表覆被分类预测结果，本发明极大地提高了地表覆被分类监测的精确性。

主权项：1.一种基于协作网络的高分辨率地表覆被遥感分类方法，其特征在于，包括：获取遥感影像数据并进行预处理，以制作地表覆被样本数据；将所述地表覆被样本数据输入协作网络，所述协作网络包括局部特征编码模块、全局特征编码模块和特征解码模块；所述局部特征编码模块获取所述地表覆被样本数据的局部增强覆被特征；所述局部特征编码模块获取所述地表覆被样本数据的局部增强覆被特征的步骤，具体包括：地表覆被样本数据输入局部特征编码模块，所述局部特征编码模块包括位置关系聚合块和通道关系聚合块；所述位置关系聚合块的双卷积层进行局部特征编码，所述双卷积层的核大小为{3x3，3x3}，并根据残差结构的残差恒等映射进行特征细化，再获取位置关系的查询矩阵、键矩阵和值矩阵，并根据点积运算和矩阵加法运算获取空间维度上下文关注的浅层局部增强覆被特征；所述通道关系聚合块的卷积层进行局部特征编码，所述卷积层的核大小为{1x1，3x3，1x1}，并根据残差结构的残差恒等映射进行特征细化，再根据单个3x3卷积获取通道关系的查询矩阵、键矩阵和值矩阵，并根据点积运算和矩阵加法运算获取通道维度上下文关注的深层局部增强覆被特征；根据所述浅层局部增强覆被特征和所述深层局部增强覆被特征，获取局部增强覆被特征；所述全局特征编码模块获取所述地表覆被样本数据的全局增强覆被特征；所述全局特征编码模块获取所述地表覆被样本数据的全局增强覆被特征的步骤，具体包括：地表覆被样本数据输入全局特征编码模块，所述全局特征编码模块包括图像块嵌入层和扩张分流ViT块；所述图像块嵌入层包括多个不同重叠度的层，以将所述地表覆被样本数据转换为向量序列；所述扩张分流ViT块包括归一化层、扩张分流自注意力头和特征前馈层，所述扩张分流自注意力头包括两个空洞率分别为{2，4}的扩张卷积层，以根据所述向量序列生成全局增强覆被特征；所述特征解码模块根据所述局部增强覆被特征和所述全局增强覆被特征获取地表覆被分类预测；所述特征解码模块根据所述局部增强覆被特征和所述全局增强覆被特征获取地表覆被分类预测的步骤，具体包括：局部增强覆被特征和全局增强覆被特征输入特征解码模块，并根据特征尺度进行通道拼接，再根据3x3卷积层进行维度缩减并生成具有简化自注意结构的查询矩阵、键矩阵和值矩阵，所述值矩阵由单个1x1卷积特征和四个空洞率分别为{1，2，4，6}的扩张卷积特征拼接而成，再根据单个3x3卷积层和Softmax层生成地表覆被分类预测；根据多尺度加权损失函数进行迭代优化后，进行精度验证以输出最终地表覆被分类预测结果。

全文数据：

权利要求：

百度查询： 江西师范大学 基于协作网络的高分辨率地表覆被遥感分类方法及系统