← 返回列表
基于大规模预训练神经网络的遥感图像识别方法
摘要文本
本发明为基于大规模预训练神经网络的遥感图像识别方法，涉及图像处理技术领域，首先，对大尺寸卫星遥感图像进行等间隔采样与分块，使用CLIP图像编码器处理局部图像块，获得高维特征矢量。其次，启动余弦距离、多维缩放、高斯混合模型等技术，理解图像块之间的相似性关系。最后，人工筛选高价值区域，利用核密度预测器生成目标区域热力图。将所设计方法应用于陕西省清涧县国土空间规划实践，通过高分辨率遥感图像，识别城市老旧小区。计算结果表明，本发明具有较高的识别精度和较小的资源消耗，准确划定了城市老旧小区改造范围。
申请人信息
- 申请人:长安大学
- 申请人地址:710064 陕西省西安市南二环路中段长安大学
- 发明人: 长安大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于大规模预训练神经网络的遥感图像识别方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311655425.1 |
| 申请日 | 2023/12/5 |
| 公告号 | CN117671517A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G06V20/13 |
| 权利人 | 长安大学 |
| 发明人 | 左琛; 梁程程; 张军飞; 汤镇宇; 卓文淖 |
| 地址 | 陕西省西安市雁塔区南二环路中段 |
专利主权项内容
1.基于大规模预训练神经网络的遥感图像识别方法，其特征在于，包括以下步骤：获取目标城镇区域的卫星遥感图像并进行预处理；其中，所述预处理是将卫星遥感图像，通过等间隔采样方法，提取大量图像块，构成实验样本集合；引入CLIP神经网络模型，使用ViT架构替代卷积神经网络和前馈神经网络获得改进后的CLIP神经网络模型，所述改进后的CLIP神经网络模型对实验样本集合进行高维视觉特征矢量的提取；通过余弦距离，获得高维视觉特征矢量之间的相似性；利用多维缩放、高斯混合模型分别对实验样本集合进行图像分析，获得图像块之间的相似性关系并划分图像块之间类别；使用核密度估计方法，将高斯混合模型的隶属度概率作为输入训练数据核密度估计方法中，绘制目标城镇区域的热力图；将目标区域的热力图与居住用地图像进行叠加分析，根据核密度的阈值进行分类，对高阈值图像区域通过人工校核，得到划分好的高价值目标区域。