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：武汉大学

摘要：本发明公开了一种地学知识引导的多尺度胶囊网络遥感地物分类方法及系统，包括通过对遥感图像进行预处理和标注地物标签，构建遥感地物分类样本库；根据城市主要的土地覆盖类型，建立地表覆盖实体的遥感解译本体，然后在遥感解译本体的基础上，通过实例化本体及其属性完成地学知识图谱的构建；对地学知识图谱所蕴含的地学知识进行显式符号化表示，并挖掘地学知识图谱所蕴含的隐式地学知识；构建多尺度卷积胶囊网络作为深度学习网络，将处理后图像作为样本数据输入到深度学习网络中，并在地学知识基础上构建模型损失约束；对构建的多尺度卷积胶囊模型进行训练，得到训练模型，测试后用于实现对遥感地物分类。本发明可提高遥感地物分类的精度和自动化程度。

主权项：1.一种地学知识引导的多尺度胶囊网络遥感地物分类方法，其特征在于：包括以下步骤，步骤a、通过对遥感图像进行预处理和标注地物标签，构建遥感地物分类样本库；步骤b、根据城市主要的土地覆盖类型，建立建筑物、道路、裸土、绿地、水体5种地表覆盖实体的遥感解译本体，然后在遥感解译本体的基础上，通过实例化本体及其属性完成地学知识图谱的构建；步骤c、对地学知识图谱所蕴含的地学知识进行显式符号化表示，并挖掘地学知识图谱所蕴含的隐式地学知识；步骤d、构建多尺度卷积胶囊网络作为深度学习网络，将步骤a得到的处理后图像作为样本数据输入到深度学习网络中，并在步骤c得到的地学知识基础上，构建模型损失约束，引导多尺度胶囊网络的训练；构建模型损失约束时，设置的损失函数包括边缘损失Lmargin和地学知识约束损失Lknowledge， 其中，Tk为指示项，当输入的矢量有属于类别k时，Tk＝1，否则Tk＝0；m-和m+分别为惩罚的下限和上限；||vk||为全连接层的输出向量的范数，当类别k存在时，||vk||≥m+，否则，||vk||≤m-；λ为调节系数，用来调节正确结果与错误结果对最终函数值影响的比例；max为最大值函数，n为分类类别数；在地学知识约束中，根据模型的输出的类别置信度向量Yi，将置信度向量中的最大值及对应的最大值序号作为目标的分类置信度yj和分类类别k；然后，以该目标为中心，通过邻域内目标的分类置信度与空间共生条件概率的加权求和，得到该目标在当前邻域空间下的类别置信度，用Hi表示，然后计算基于空间分布的类别置信度Hi和真实的类别置信度向量Yi之间的损失，用下式表示， 其中，N为样本总数，i为样本目标，1≤i≤N，mi为邻域内目标数，j指代邻域内目标，c为类别数，q指代类别，1≤q≤C，PCq|Ck为空间共生条件概率；模型最终的损失函数Ltotal为：Ltotal＝Lmargin+βLknowledge其中，β为超参数，用来调整Lmargin和Lknowledge的权重；步骤e、城市多源遥感信息提取分类，包括基于步骤d建立的损失函数，在地学知识的约束下对构建的多尺度卷积胶囊模型进行训练，得到训练模型；并根据训练所得的模型对测试数据进行测试，在获得合格的模型后用于实现对遥感地物分类。

全文数据：

权利要求：

百度查询： 武汉大学 地学知识引导的多尺度胶囊网络遥感地物分类方法及系统