一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法

本发明涉及一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，属于遥感影像分类领域。首先，构建CNN‑Transformer双编码器语义分割模型提取建筑物区域信息，然后，基于建筑物区域信息构建图结构数据，接着，构建多跳图神经网络识别建筑物功能类型；CNN‑Transformer双编码器语义分割模型，实现了在提取全局上下文特征的同时保持局部空间细节特征；多跳图神经网络，预先计算节点的多跳邻域特征，只需要在CPU或分布式系统中计算一次即可用于大规模图结构数据。本发明网络支持小批量训练，并轻松扩展到大型数据集，消除了训练和预测过程中节点交互的复杂性和计算成本，增强了建筑物功能类型分类的准确性和扩展性，为高效获取遥感影像中的建筑物功能类型提供技术支撑。