(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 202111680343.3 (22)申请日 2021.12.3 0 (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 柏永青　田祥雨　杨轩　陈正超　 汤婧　昝露洋　张昆仑　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 代理人 李世阳 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/764(2022.01) G06V 10/776(2022.01) G06V 10/58(2022.01)G06V 10/98(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 目标分类提取方法及装置 (57)摘要 本公开提供一种目标分类提取方法及 装置， 方法包括： 对遥感影像进行预处理， 其中， 所述遥 感影像为单时相多光谱影像； 将预处理后的遥感 图像输入分类提取网络模型， 以使得所述分类提 取网络模型根据所述遥感影像的空间信息和光 谱信息对所述遥感影像中的目标进行分类提取， 其中， 所述 分类提取网络模型由卷积神经网络和 全连接神经网络构成。 该方法及装置使用卷积神 经网络和全 连接神经网络结合的网络结构， 同时 使用带有邻域信息的点样本作为训练样本， 可以 综合利用遥感影像的语义信息和光谱信息， 提升 了目标分类提取的精度， 改善最终目标分类制图 的效果。 权利要求书2页 说明书7页 附图2页 CN 114359748 A 2022.04.15 CN 114359748 A 1.一种目标分类提取 方法， 包括： 对遥感影 像进行预处理， 其中， 所述遥感影 像为单时相多光谱影 像； 将预处理后的遥感图像输入分类提取网络模型， 以使得所述分类提取网络模型根据 所 述遥感影像的空间信息和光谱信息对所述遥感影像中的目标进行分类提取， 其中， 所述分 类提取网络模型由卷积神经网络和全连接神经网络构成。 2.根据权利要求1所述的目标分类提取 方法， 所述方法还 包括： 获取训练样本； 根据所述训练样本训练所述分类提取网络模型。 3.根据权利要求2所述的目标分类提取 方法， 其中， 所述获取训练样本包括： 获取历史遥感图像； 对所述历史遥感图像进行 预处理； 根据先验知识获取预处理后的历史遥感影像的像素点在每一个波段对应的像素值和 标签， 得到所述像素点对应的点样本； 根据所述 点样本的统计信息， 获得点样本数值的合理范围； 根据所述 合理范围剔除所述 点样本中的异常点样本； 对不同类别的点样本进行样本均衡， 得到所述训练样本 。 4.根据权利要求3所述的目标分类提取方法， 其中， 根据 所述训练样本训练所述分类提 取网络模型包括： 将每一个点样本和该点样本在八邻域空间中对应的点样本依次输入所述卷积神经网 络和全连接神经网络， 以学习 所述点样本的语义信息和光谱信息， 得到所述分类提取网络 模型。 5.根据权利要求2所述的目标分类提取方法， 其中， 采用自适应调整学习率策略训练所 述分类提取网络模型。 6.根据权利要求2所述的目标分类提取 方法， 所述方法还 包括： 获取测试样本； 根据所述测试样本测试 所述分类提取网络模型。 7.根据权利要求6所述的目标分类提取方法， 其中， 根据 所述测试样本测试所述分类提 取网络模型包括： 将所述测试样本 输入所述分类提取网络模型， 得到测试 结果； 以分类精度、 准确率、 召回率和F1分数为评价指标对所述测试结果进行评价， 得到评价 结果； 根据所述评价结果对所述分类提取网络模型进行优化。 8.根据权利要求1 ‑7任一项所述的目标分类提取方法， 其中， 所述对遥感影像进行预处 理包括： 对所述遥感图像进行重采样、 投影转换、 辐射定标和大气校正。 9.根据权利要求1 ‑7任一项所述的目标分类提取方法， 其中， 采用分块循环读取的方式 将预处理后的遥感图像输入所述分类提取网络模型进行分类提取。 10.一种目标分类提取装置， 包括： 预处理模块， 用于对遥感影 像进行预处理， 其中， 所述遥感影 像为单时相多光谱影 像；权　利　要　求　书 1/2 页 2 CN 114359748 A 2分类提取模块， 用于将预处理后的遥感图像输入分类提取网络模型， 以使得所述分类 提取网络模型根据所述遥感影像的空间信息和 光谱信息对所述遥感影像中的目标进行分 类提取， 其中， 所述分类提取网络模型由卷积神经网络和全连接神经网络构成。权　利　要　求　书 2/2 页 3 CN 114359748 A 3