(19)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 202211129255.9 (22)申请日 2022.09.16 (71)申请人 中国科学院空天信息创新研究院 地址 100190 北京市海淀区北四环西路19 号 (72)发明人 刘亚岚　任玉环　何陈　王大成　 (74)专利代理 机构 北京派特恩知识产权代理有 限公司 1 1270 专利代理师 孙静　吴素花 (51)Int.Cl. G06V 20/10(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/26(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 一种遥感图像裸土地分类方法及装置 (57)摘要 本申请实施例公开了一种遥感图像裸土地 分类方法及装置， 方法包括： 获取待分类遥感图 像， 所述待分类遥感图像的大小为256 ×256像 素； 对所述待分类遥感图像进行特征提取处理， 得到具有不同层级的第一特征图像和第二特征 图像； 对所述第一特征图像进行空洞卷积处理， 得到所述待分类遥感图像的深层特征图像； 对所 述第二特征图像和所述深层特征图像进行拼接 处理， 得到拼接特征图像； 根据所述拼接特征图 像， 对所述待分类遥感图像中的像素点进行分 类， 得到所述待分类遥感图像中每一像素点的分 类结果， 所述分类结果至少包括裸土地或者背景 类别。 权利要求书3页 说明书18页 附图6页 CN 115527113 A 2022.12.27 CN 115527113 A 1.一种遥感图像裸土地分类方法， 其特 征在于， 所述方法包括： 获取待分类遥感图像， 所述待分类遥感图像的大小为25 6×256像素； 对所述待分类遥感图像进行特征提取处理， 得到具有不同层级的第 一特征图像和第 二 特征图像； 对所述第一特 征图像进行空洞卷积处 理， 得到所述待分类遥感图像的深层特 征图像； 对所述第二特 征图像和所述深层特 征图像进行拼接处 理， 得到拼接特 征图像； 根据所述拼接特征图像， 对所述待分类遥感图像中的全部像素点进行分类， 得到所述 待分类遥感图像中每一像素点的分类结果， 所述分类结果至少包括 裸土地或背景类别。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述待分类遥感图像进行特征提取 处理， 得到具有不同层级的第一特 征图像和第二特 征图像， 包括： 通过通道注意力与空间注意力机制， 对所述待分类遥感图像进行注意力特征提取， 得 到注意力特 征图像； 通过特征提取网络， 对所述注意力特 征图像进行 特征提取， 得到特 征图像； 通过通道注意力与空间注意力机制， 对所述特征图像进行注意力特征提取， 得到具有 不同层级的所述第一特 征图像和所述第二特 征图像。 3.根据权利要求2所述的方法， 其特征在于， 所述通过通道注意力与空间注意力机制， 对所述待分类遥感图像进行注意力特 征提取， 得到注意力特 征图像， 包括： 通过通道注意力模块， 对所述待分类遥感图像分别进行最大池化处理和平均池化处 理， 得到通道最大池化特 征图像和通道 平均池化特 征图像； 通过共享全连接层， 对所述通道最大池化特征图像和所述通道平均池化特征图像分别 进行特征提取， 得到第三特 征图像和第四特 征图像； 对所述第三特征图像和所述第四特征图像依次进行元素相加处理和激活处理， 得到初 始通道特 征图像； 对所述初始通道特征图像和所述待分类遥感图像进行元素相乘 处理， 得到通道特征图 像； 通过空间注意力模块， 对所述通道特征图像分别进行最大池化处理和平均池化处理， 得到空间最大池化特 征图像和空间平均池化特 征图像； 对所述空间最大池化特征图像和所述空间平均池化特征图像进行拼接处理， 得到空间 拼接特征图像； 依次对所述空间拼接特 征图像进行降维处 理和激活 处理， 得到空间特 征图像； 对所述空间特 征图像与所述 通道特征图像进行 元素相乘处 理， 得到注意力特 征图像。 4.根据权利要求2所述的方法， 其特征在于， 所述通过特征提取网络， 对所述注意力特 征图像进行 特征提取， 得到特 征图像， 包括： 对所述注意力特 征图像进行升维处 理， 得到升维特征图像； 通过深度卷积层， 对所述升维特 征图像进行 下采样处 理， 得到下采样特 征图像； 通过逐点卷积层， 对所述下采样图像进行降维处 理， 得到所述特 征图像。 5.根据权利要求1所述的方法， 其特征在于， 所述对所述第 一特征图像进行空洞卷积处 理， 得到所述待分类遥感图像的深层特 征图像， 包括： 根据空洞空间金字塔池化， 对所述第一特征图像进行并行的空洞卷积处理， 得到五个权　利　要　求　书 1/3 页 2 CN 115527113 A 2空洞卷积特 征图像； 对所述五个空洞卷积特征图像进行逐点卷积处理， 得到所述待分类遥感图像的所述深 层特征图像。 6.根据权利要求1所述的方法， 其特征在于， 所述根据所述拼接特征图像， 对所述待分 类遥感图像中的全部像素点进行分类， 得到所述待分类遥感图像中每一像素点的分类结 果， 包括： 通过具有预设尺寸的卷积核， 对所述 拼接特征图像进行 卷积处理， 得到卷积特 征图像； 对所述卷积特征图像进行上采样处理， 得到所述待分类遥感图像中每一像素点的分类 结果。 7.根据权利要求1至 6任一项所述的方法， 其特 征在于， 所述方法还 包括： 获取遥感图像， 所述遥感图像至少包括两个25 6×256像素大小的影 像块； 根据预设图像尺寸， 对所述遥感图像进行裁剪， 得到至少两个待分类遥感图像和每一 待分类遥感图像在所述遥感图像上的位置信息； 对应地， 在得到待分类遥感图像中每一像素点的分类结果之后， 所述方法还 包括： 根据每一所述待分类遥感图像在所述遥感图像上的位置信 息， 对分类后的待分类遥感 图像进行拼接， 得到分类图像； 根据所述遥感图像的地理信息， 对所述分类图像进行地理信息重建， 得到遥感分类图 像； 根据所述遥感分类图像中每一像素点的分类结果， 确定所述遥感分类图像对应的裸土 地分类图。 8.根据权利要求7 所述的方法， 其特 征在于， 所述方法还 包括： 获取至少一千个包括 裸土地的样本 遥感图像； 对所述样本 遥感图像中的裸土地和非裸土地进行 标注， 得到标注样本 遥感图像； 将标注后的标注样本 遥感图像， 确定为样本数据集。 9.根据权利要求8所述的方法， 其特征在于， 所述方法通过裸土地语义分割模型实现， 所述裸土地语义分割模型至少包括特征提取模块、 空洞卷积模块、 拼接模块和分类模块； 所 述裸土地语义分割模型通过以下步骤训练得到： 将样本数据集输入至所述裸土地语义分割模型中， 所述样本数据集包括样本 图像， 所 述样本图像的大小为25 6×256像素； 通过所述特征提取模块， 对所述样本 图像进行特征提取处理， 得到具有不同层级的第 一特征样本图像和第二特 征样本图像； 通过所述空洞卷积模块， 对所述第一特征样本 图像进行空洞卷积处理， 得到所述样本 图像的深层特 征样本图像； 通过所述拼接模块， 对所述第二特征样本图像和所述深层特征样本图像进行拼接处 理， 得到拼接特 征样本图像； 通过所述分类模块， 根据所述拼接特征样本 图像， 对所述样本 图像中的全部像素点进 行分类， 得到所述样本图像中每一像素点的样本分类结果， 所述样本分类结果至少包括裸 土地或背景类别； 将所述样本分类结果输入至预设损失模型中， 得到损失结果；权　利　要　求　书 2/3 页 3 CN 115527113 A 3