1.一种基于多尺度金字塔空间独立卷积的遥感影像分类方法，其特征在于，包括：S1、对遥感影像执行预处理，选取代表性的图幅通过人工逐像素标注的方式制作分类样本数据集；S2、对S1得到的分类样本数据集进行图像增强，图像增强方法包含水平与竖直翻转、尺寸随机重采样和高斯模糊；

S3、利用深度残差网络提取S2中图像增强后图像的特征；S4、基于S3中图像的特征进一步构建多尺度特征金字塔，输出多分辨率多尺度特征；S5、设计空间独立卷积，以解耦合的原则融合S4的多尺度特征并输出融合特征；

S6、利用线性层将S5的融合特征映射到类别，输出分类结果；

S3中的深度残差网络由多个卷积残差块堆叠而成，残差块将卷积分为直接映射部分和残差部分，具体为：xi+1＝xi+Fc(xi,wi)，xi为直接映射部分，Fc(xi,wi)为残差部分；

如果xi与xi+1的通道数不同，则需要使用1×1卷积对xi进行维度缩放，此时残差块表示为：xi+1＝H(xi,wh)+Fc(xi,wi)，H代表调整维度的1×1卷积操作；

S4中，特征金字塔直接在深度残差网络上做修改，将每个灰度的特征图与后一分辨率缩放两倍的特征图做逐点相加操作，最后对齐尺度特征并输出；

(C×G)×H×W

S5中，设输出的融合特征为x∈R ，H与W代表多尺度特征的长与宽，C为每一尺度特征的通道数，G代表不同尺度的个数，空间独立卷积为：(O×(C×G)×Ω×Ω)×(C×G)×K×K

代表由卷积核W∈R 生成的空间独立卷积核，F

代表由空间独立卷积核 生成的融合特征；

使用分组卷积来生成 并将来自同一分支的特征视为一个组，在分组卷积后加入Softmax函数，将不同分辨率特征的权重之和约束为1，改进后的空间独立卷积为：T

S6中所述线性层即全连接层，表达式为：yi,j＝Wxi,j+b，其以S5输出融合特征的点为单位进行运算，将特征的维度转换为类别的维度，实现地物分类。