一种无监督学习的遥感目标分类方法与流程

本发明涉及遥感图像处理，具体的，本发明涉及一种无监督学习的遥感目标分类方法。

背景技术：

1、遥感目标的分类识别，在城市规划、土地利用分析、救灾、自动地图制作和现代化农业等等的许多实际应用中具有非常重要的作用。随着近年来航天遥感技术的不断发展，采集的遥感目标图像大幅增加。

2、通过深度学习技术对于遥感目标进行解译得到了广泛的应用，然而，基于深度学习的遥感目标分类依赖于大规模标注的遥感目标以进行训练，遥感图像的标注需要耗费巨大的人力成本，繁琐的标记过程阻碍了这些完全监督的方法在遥感图像分类中的应用。

3、为了克服这个限制，本发明提出了一种无监督学习的遥感目标分类方法。

技术实现思路

1、为了克服现有技术的不足，本发明提供了一种无监督学习的遥感目标分类方法，以解决上述的技术问题。

2、本发明解决其技术问题所采用的技术方法是：一种无监督学习的遥感目标分类方法，其改进之处在于：包括以下的步骤：

3、s1、通过resnet模型对无标注的遥感目标进行特征提取，生成训练数据；

4、s2、使用聚类算法对训练数据中的所有遥感目标进行粗分类，根据聚类结果，给所有无标注的遥感目标图像一个初始标注，生成初始标注集y0；

5、s3、为形成的特征簇分别计算一个特征中心

6、

7、其中，表示类别 c的第 i个遥感目标图像， nc表示类别 c的遥感目标图像总数， uc表示类别 c的遥感目标图像特征中心；

8、s4、基于特征中心为所有遥感目标图像生成初始权重集p0

9、

10、

11、其中，表示计算类别 c的第 i个遥感目标图像特征与其对应特征中心的l2距离，表示预训练模型的特征提取器，为类别 c的第 i个遥感目标图像的权重；

12、s5、通过预训练模型 c0( f0(·))对初始标注集y0和初始权重集p0进行第一次训练，得到模型 c1( f1(·))；

13、s6、对标注进行迭代更新，在第 k次训练时，使用上一次的模型 ck-1( fk-1(·))，更新第 k次模型训练时的标注集;

14、对权重进行迭代更新，在第 k次训练时，使用上一次训练后模型的输出结果prek-1作为已知信息，利用基于已知信息生成的权重与第 k-1次模型训练时遥感目标图像的权重，生成第 k次模型训练时遥感目标图像的权重集；

15、s7、重复迭代更新，直至标注集的变化小于阈值时，则停止训练，遥感目标的分类完成

16、

17、其中为事先设定的变化阈值。

18、在上述方法中，所述的步骤s1，包括以下的步骤：

19、s11、在imagenet上对resnet模型进行预训练；

20、s12、resnet模型对大量无标注的遥感目标进行特征提取，生成训练数据；

21、特征提取，是通过resnet模型的特征提取器 f(·)和全连接分类器 c(·)，对任意无标注的遥感目标图像 x，提取最后一层特征 conv5_x。

22、在上述方法中，所述的步骤s5中，通过预训练模型 c0( f0(·))对初始标注集y0和初始权重集p0进行第一次训练的模型训练目标函数为

23、

24、其中，标注集为y0={}，表示类别c的真实标签，权重集为p0={}， |c|为聚类的特征簇数量，即类别数量，为计算模型对输入样本的预测结果与其对应类别标签之间的交叉熵损失。

25、在上述方法中，所述的步骤s6中，对标注进行迭代更新，在第 k次训练时，使用上一次的模型 ck-1( fk-1(·))，更新第 k次模型训练时的标注集，包括以下的步骤：

26、对标注进行迭代更新，在第 k次训练时，使用上一次的模型 ck-1( fk-1(·))获取当前所有遥感目标图像的识别结果的集合prek-1={ ck-1( fk-1())；

27、然后，迭代更新标注集

28、

29、其中， norm(·)表示对迭代更新后的标注集进行归一化，为权值。

30、在上述方法中，所述的步骤s6中，对权重进行迭代更新，在第 k次训练时，使用上一次训练后模型的输出结果prek-1作为已知信息，利用基于已知信息生成的权重与第 k-1次模型训练时遥感目标图像的权重，生成第 k次模型训练时遥感目标图像的权重集，包括以下的步骤：

31、对权重进行迭代更新，在第 k次训练时，使用上一次训练后模型的输出结果prek-1作为已知信息生成权重

32、

33、其中，表示计算第 k-1次模型的输出与标注之间的l2距离，距离越大表明该遥感目标图像误分类的可能越大，即在后续训练中给予更小的权重；

34、l2距离是两个向量之间的欧几里得距离，距离大小用于衡量两个向量之间的差异，在本模型中用于衡量模型对样本的预测结果与样本真实标签之间的误差大小，设n维向量a=[a1,a2,a3,...,an], b=[b1,b2.b3,...,bn]，其中aj表示向量a的第j个维度,则两个向量之间的l2距离的定义为

35、；

36、利用生成的权重与第 k-1次模型训练时遥感目标图像的权重对权重集进行迭代更新，生成第 k次模型训练时遥感目标图像的权重集

37、

38、

39、在第 k次训练，并对权重集进行迭代更新时，是原始权重集的一个权值，是当前生成的权重集的一个权值，分别在迭代更新时，用于控制两部分权重集的占比。

40、本发明的有益效果是：通过模型对大量无标注的遥感目标进行特征提取以及标注，进而实现遥感目标图像的权重生成，实现遥感目标的分类识别模型训练，实现了在无需专家人工标注的条件下对大量遥感目标的分类识别。