【CN110096948A】基于特征聚合卷积网络的遥感影像识别方法【专利】

专利名称：一种基于深度卷积神经网络的遥感图像云层检测方法
专利类型：发明专利
发明人：傅莘莘,何一凡,杜晓凤,满旺
申请号：CN202011342358.4
申请日：20201125
公开号：CN112749621A
公开日：
20210504
专利内容由知识产权出版社提供
摘要：一种基于深度卷积神经网络的遥感图像云层检测方法，首先需要获得卫星图像的多个波段图，其中必要的是卫星遥感图像中的自然真彩色图像(RGB)、近光红外波段(Nir)以及云层掩模图作为训练集和测试集对深度卷积神经网络模型进行训练和测试，采用测试通过后的深度卷积神经网络模型实现遥感图像云层检测。

这种基于深度学习对云层进行检测的方法拥有检测速度快，精准度高并且可以快速迁移适应不同卫星型号的特点。

申请人：厦门理工学院
地址：361000 福建省厦门市集美区理工路600号
国籍：CN
代理机构：厦门市首创君合专利事务所有限公司
更多信息请下载全文后查看。

基于卷积神经网的遥感影像分类技术一、遥感影像分类技术概述遥感技术作为获取地球表面信息的重要手段，已经广泛应用于环境监测、城市规划、农业管理、灾害评估等多个领域。

随着遥感数据量的不断增加，如何高效、准确地处理和分析这些数据成为亟待解决的问题。

遥感影像分类技术是解决这一问题的关键技术之一，它通过将遥感影像中的像素或对象划分为不同的类别，为后续的数据分析和决策提供基础。

1.1 遥感影像分类技术的重要性遥感影像分类技术对于理解和解释遥感数据至关重要。

通过对遥感影像进行分类，可以识别出不同的地物类型，如植被、水体、城市区域等，从而为资源管理、环境监测和城市规划等提供决策支持。

此外，随着遥感技术的发展，获取的影像分辨率越来越高，数据量也越来越大，传统的分类方法已经难以满足实际需求，因此，研究和开发高效的遥感影像分类技术具有重要的现实意义。

1.2 遥感影像分类技术的研究进展遥感影像分类技术的研究已经取得了显著进展。

传统的分类方法，如最大似然分类、支持向量机等，虽然在某些情况下仍然有效，但它们通常需要大量的参数调整和人工干预。

近年来，随着机器学习和深度学习技术的发展，基于这些技术的遥感影像分类方法逐渐成为研究的热点。

特别是卷积神经网络（CNN）在图像处理领域的成功应用，为遥感影像分类提供了新的解决方案。

二、卷积神经网络在遥感影像分类中的应用卷积神经网络是一种深度学习模型，它通过模拟人脑处理视觉信息的方式，能够自动学习图像的特征。

在遥感影像分类中，CNN能够从大量的遥感数据中提取有用的特征，并进行有效的分类。

2.1 卷积神经网络的基本结构卷积神经网络主要由卷积层、池化层和全连接层组成。

卷积层负责提取图像的局部特征，池化层用于降低特征的空间维度，全连接层则用于最终的分类决策。

此外，为了提高模型的泛化能力，通常会在网络中加入归一化层和激活函数。

2.2 卷积神经网络的优势与传统的遥感影像分类方法相比，卷积神经网络具有以下优势：- 自动特征提取：CNN能够自动从遥感影像中提取特征，无需人工设计特征提取器，这大大减少了人工干预和参数调整的工作量。

专利名称：一种基于Hash编码的超光谱遥感图像分类方法专利类型：发明专利
发明人：徐军,张倩,刘利卉,周超,鲁浩达,孙明建
申请号：CN201610403385.5
申请日：20160608
公开号：CN106096648A
公开日：
20161109
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于Hash编码的超光谱遥感图像分类方法，属于图像信息处理技术领域，提出了用块Hash自动编码的思想来处理超光谱遥感图像，本发明提出了用Hash自动编码的思想来处理超光谱遥感图像，将遥感图像每个通道提取出来，分成块，将每个小块先进行分段Hash处理，生成Hash序列用来表征块的特征，然后将生成的编码进行SVM分类。

和基于传统像素的分类方法相比，在相同的实验条件下，本发明方法的图像分类结果更加准确，视觉效果更好。

申请人：南京信息工程大学
地址：210000 江苏省南京市建邺区奥体大街69号
国籍：CN
代理机构：南京经纬专利商标代理有限公司
代理人：许方
更多信息请下载全文后查看。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201811099700.5(22)申请日 2018.09.20(71)申请人 华南农业大学地址 510642 广东省广州市天河区五山路483号(72)发明人 郭玉彬　吴思奥　李西明　(74)专利代理机构 广州市华学知识产权代理有限公司 44245代理人 黄磊(51)Int.Cl.G06K 9/00(2006.01)G06K 9/62(2006.01)G06N 3/04(2006.01)(54)发明名称一种基于卷积神经网络的建筑物遥感图像识别方法(57)摘要本发明公开了一种基于卷积神经网络的建筑物遥感图像识别方法，包括以下步骤：获取原始遥感图像；对原始遥感图像辐射定标；对辐射定标后的遥感图像进行大气校正，对大气校正后的遥感图像进行标注；将大气校正后的遥感图像和标签图进行随机分割，再进行数据增强，构成数据集；搭建语义分割分类器，得到建筑语义分割网络模型；将大气校正后的遥感图像送入建筑语义分割网络模块进行建筑物语义分割，得到建筑语义分割图；本发明的技术方案提高遥感图像的建筑物与非建筑物分类的精确度，解决了遥感图像的建筑物语义分割网络模型中目标的分类和像素位置的确定这两个相互制约的问题。

权利要求书4页 说明书8页 附图2页CN 109389051 A 2019.02.26C N 109389051A1.一种基于卷积神经网络的建筑物遥感图像识别方法，其特征在于，包括以下步骤：S1、获取原始遥感图像；S2、对原始遥感图像辐射定标，得到辐射定标后的遥感图像；S3、对辐射定标后的遥感图像进行大气校正，得到大气校正后的遥感图像；对大气校正后的遥感图像每个像素进行标注，得到对应的标签图；S4、将大气校正后的遥感图像和标签图进行随机分割，得到分割后的遥感图像和分割后的标签图；再进行数据增强，构成数据集；S5、搭建语义分割分类器，得到建筑语义分割网络模型；S6、利用数据集对建筑语义分割网络模块进行训练与参数优化，得到最优的建筑语义分割网络模块；S7、利用最优的建筑语义分割网络模块对建筑物遥感图像进行建筑物语义分割，得到建筑语义分割图，从而对建筑物遥感图像进行分析。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201911350284.6(22)申请日 2019.12.24(71)申请人 天津大学地址 300072 天津市南开区卫津路92号(72)发明人 李坤　杜洪才　郭建华　杨敬钰　(74)专利代理机构 天津市北洋有限责任专利代理事务所 12201代理人 刘国威(51)Int.Cl.G06K 9/00(2006.01)G06K 9/62(2006.01)(54)发明名称基于卷积神经网络的遥感图像云雪检测方法(57)摘要本发明属图像处理领域，为实现一种设计合理且识别准确率高的基于卷积神经网络的多卷积层进行多尺度多路径特征融合的遥感图像云雪检测方法。

对图像进行像素级别的准确分类。

为此，本发明采取的技术方案是，基于卷积神经网络的遥感图像云雪检测方法，步骤如下：网络的编码部分为：对输入图像信息进行特征编码；网络的解码部分为：将编码结构编码的基础深度特征经过多尺度融合模块来提取原始图像分辨率信息，以生成与原始图像分辨率一致的云雪物体检测结果。

本发明主要应用于天气图像处理场合。

权利要求书2页 说明书6页 附图2页CN 111079683 A 2020.04.28C N 111079683A1.一种基于卷积神经网络的遥感图像云雪检测方法，其特征是，步骤如下：网络的编码部分为：对输入图像信息进行特征编码；网络的解码部分为：将编码结构编码的基础深度特征经过多尺度融合模块来提取原始图像分辨率信息，以生成与原始图像分辨率一致的云雪物体检测结果。

2.如权利要求1所述的基于卷积神经网络的遥感图像云雪检测方法，其特征是，综合交叉熵损失和均方误差损失作为损失函数，以综合损失函数目标训练所提出的网络，使用准确率和均交并比mIOU(Mean Intersection over Union)评价网络性能。

3.如权利要求1所述的基于卷积神经网络的遥感图像云雪检测方法，其特征是，所述基础深度特征包含全局信息和局部信息并通过对不同卷积层的输出特征进行融合得到。

专利名称：一种基于特征自适应学习的遥感影像地物分割方法专利类型：发明专利
发明人：朱磊,王畅,吴谨,邹才刚,王文武,向森,邓慧萍,刘劲
申请号：CN202010043580.8
申请日：20200115
公开号：CN111242134A
公开日：
20200605
专利内容由知识产权出版社提供
摘要：本发明提供了一种基于特征自适应学习的遥感影像地物分割方法。

本发明运用基于生成对抗网络(GAN)的语义分割域自适应算法来解决不同特征域的分割问题，在分割空间解决像素级的域转换问题。

本发明将特征域适应技术引入到了遥感影像的地物分割中，可以较为有效的分割遥感影像中的种植大棚。

申请人：武汉科技大学
地址：430081 湖北省武汉市青山区和平大道947号
国籍：CN
代理机构：武汉科皓知识产权代理事务所(特殊普通合伙)
代理人：王琪
更多信息请下载全文后查看。

专利名称：一种通过卷积神经网络实现图像识别的方法及终端专利类型：发明专利
发明人：仲会娟,蔡清泳
申请号：CN202010613939.0
申请日：20200630
公开号：CN111767860A
公开日：
20201013
专利内容由知识产权出版社提供
摘要：本发明公开了一种通过卷积神经网络实现图像识别的方法及终端，获取数据集，对所述数据集进行预处理；设定卷积神经网络模型的初始参数，所述卷积神经网络模型包括多个池化层，将各个所述池化层的输出特征进行级联；根据所述数据集训练所述卷积神经网络模型，利用训练完成的所述卷积神经网络模型进行图像识别；本发明提供的通过卷积神经网络实现图像识别的方法及终端，创造性将各个池化层的输出进行级联，能够充分利用图像的各个尺度特征进行分类，大大提高卷积神经网络分类的准确性和分类的速度。

申请人：阳光学院
地址：350015 福建省福州市马尾区经济技术开发区登龙路99号
国籍：CN
代理机构：福州市博深专利事务所(普通合伙)
代理人：董晗
更多信息请下载全文后查看。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010987920.2(22)申请日 2020.09.18(71)申请人 东南大学地址 210096 江苏省南京市玄武区四牌楼2号(72)发明人 路小波　陈诗坤　曹毅超　(74)专利代理机构 南京众联专利代理有限公司32206代理人 杜静静(51)Int.Cl.G06K 9/62(2006.01)G06N 3/04(2006.01)G06N 3/08(2006.01)(54)发明名称一种基于卷积神经网络的遥感图像分类方法(57)摘要本发明公开了一种基于卷积神经网络的遥感图像分类方法。

本发明提出的卷积神经网络主要包括三个模块：主干网络模块，多尺度融合模块和分类头模块。

其中主干网络模块把输入的RGB遥感图像变为不同分辨率的特征图；多尺度融合模块让主干网络产生的特征图之间进行多尺度融合，进一步提取各分辨率特征图中的语义信息；在分类头模块中，高分辨率的特征图被下采样至最低分辨率的特征图，然后将特征图送入池化层与分类器中，得到分类结果。

本发明还在卷积神经网络中引入了空间和通道维度的注意力机制，使得分类结果更加准确。

本发明公开的分类方法在一个名叫USTC_SmokeRS的公开遥感数据集上取得了迄今最高的分类精度95.25％。

权利要求书2页 说明书4页 附图1页CN 112132205 A 2020.12.25C N 112132205A1.一种卷积神经网络，其特征在于，主要包括三个模块：主干网络模块，多尺度融合模块和分类头模块，其中主干网络模块利用带有注意力机制的残差模块把输入神经网络的RGB遥感图像变为4种分辨率的特征图，其中四组分辨率的特征图尺度分别为尺度1：(N×64×56×56)，尺度2：(N×128×28×28)，尺度3：(N×256×14×14)，尺度4：(N×512×7×7)，这四组特征图将被作为输入送到多尺度融合模块中；多尺度融合模块让主干网络产生的特征图之间进行多尺度融合，高分辨率的特征图被下采样至低分辨率特征图的尺寸，例如尺度1中56×56的特征图将被分别下采样至28×28,14×14,7×7的分辨率，并和相应分辨率的输入特征图相加，低分辨率的特征图将被上采样至高分辨特征图的分辨率并和相应的输入特征图相加，这样可以进一步提取、综合不同分辨率特征图中的语义信息，有助于网络进行分类任务，多尺度融合模块的输出仍是四组不同分辨率的特征图，这些特征图将被作为输入送进分类头模块当中；在分类头模块中，高分辨率的特征图被下采样至最低分辨率的特征图，同时进一步对特征图里的语义信息进行提取，然后将最低分辨率的特征图送入池化层与分类器中，对图像进行分类，得到分类结果。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201911268507.4(22)申请日 2019.12.11(71)申请人 中国资源卫星应用中心地址 100094 北京市海淀区永丰产业基地丰贤东路5号(72)发明人 王海波　雷玉飞　齐建超　喻文勇　吴郡　冯鹏　(74)专利代理机构 中国航天科技专利中心11009代理人 陈鹏(51)Int.Cl.G06K 9/00(2006.01)G06K 9/62(2006.01)G06T 7/00(2017.01)G06T 5/00(2006.01)G06T 7/62(2017.01)G06N 3/04(2006.01)(54)发明名称一种基于深度卷积神经网络模型的遥感影像处理及检测方法(57)摘要一种基于深度卷积神经网络模型的遥感影像处理及检测方法，通过直接将遥感图像的每个像素按照图像中表达的语义含义进行土地分类，并将覆盖同一地表区域、多时相遥感图像的分类结果进行对比，对每一张图片上的每一个像素点按照图像中表达的语义含义进行土地分类，再对不同时相遥感影像进行对比，得到每个像素对应类别的变化情况，最终根据变化情况提取所需的信息，方法流程清晰，时效性强，处理精度高。

权利要求书2页 说明书6页 附图4页CN 111160127 A 2020.05.15C N 111160127A1.一种基于深度卷积神经网络模型的遥感影像处理及检测方法，其特征在于步骤如下：(1)根据样本地表区的多时相遥感图像及该地表区的标准遥感信息图像，以Ubuntu14.04.3和Caffe框架为基础通过修改并优化框架网络参数构建深度卷积神经网络模型；(2)利用步骤(1)中所选样本地表区的多时相遥感图像对深度卷积神经网络模型进行训练，对深度卷积神经网络模型输出的遥感信息图像与该地表区的标准遥感信息图像进行对比，若测试输出的遥感信息图像满足遥感信息图像判定标准，则停止对深度卷积神经网络模型训练并以当前模型作为最终深度卷积神经网络模型；否则继续训练直至深度卷积神经网络模型满足遥感信息图像判定标准；(3)对待测地表区的多时相遥感图像进行采集，并进行预处理；(4)将步骤(3)中预处理后所得多时相遥感图像作为最终深度卷积神经网络模型的输入图像，根据地物分类指标进行土地分类及地物标记，并输出经过最终深度卷积神经网络模型处理后的待测地表区遥感信息图像；(5)根据图像分析要求进行判断，若需要识别待测地表区遥感信息图像特定时段内的地物标记，则通过遥感信息图像进行识别，若需要识别待测地表区遥感信息图像不同时段的变化情况，则进入步骤(6)；(6)对待测地表区不同时段内的2幅遥感信息图像进行对比，对重合地区变化信息进行分析，获取2幅遥感信息图像的地物标记变化情况，同时根据地物标记种类变化或面积变化情况进行二次筛选，并将筛选后所得图像信息向用户进行反馈。

专利名称：基于卷积神经网络的图像识别方法、系统、终端和介质
专利类型：发明专利
发明人：方堃,杨杰
申请号：CN202011382932.9
申请日：20201130
公开号：CN112396123A
公开日：
20210223
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于卷积神经网络的图像识别方法、系统、终端和介质，法包括：采用训练图像训练执行图像识别任务的卷积神经网络模型；将待识别的图像输入所述卷积神经网络模型，输出图像识别结果；其中，所述卷积神经网络模型包括卷积神经网络，该卷积神经网络中嵌入一个正交多路径区块，所述正交多路径区块结构包含多条路径，每一条路径上的参数相互正交，增加所述卷积神经网络的稳健性。

本发明解决了目前普通的神经网络在图像识别任务下稳健性非常脆弱的问题，可以在维持图像识别的高准确率的同时，具有非常高的模型稳健性。

申请人：上海交通大学
地址：200240 上海市闵行区东川路800号
国籍：CN
代理机构：上海恒慧知识产权代理事务所(特殊普通合伙)
代理人：徐红银
更多信息请下载全文后查看。