[發明專利]基于特征提取的光學遙感圖像水域分類方法

有效

• 申請號: 201910979348.2
• 申請日: 2019-10-15
• 公開（公告）號: CN110738257B
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 侯彪;容拓拓;焦李成;馬文萍;馬晶晶;楊淑媛
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/764;G06V10/774;G06V10/28;G06V10/42;G06V10/82;G06N3/084
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華

本發明公開了一種基于特征提取的光學遙感圖像水域分類方法，主要解決現有水域分類無法利用水域全局信息，分類精細度低的問題。其實現步驟為：訓練用于遙感圖像水域檢測的卷積神經網絡模型；使用訓練好的模型檢測測試圖像，得到測試水域集合；提取現有數據集中訓練水域集合；分別標記測試水域集合和訓練水域集合的聯通域，得到測試聯通域和訓練聯通域，并分別提取這兩個聯通域的特征，得到測試特征集合和訓練特征集合；使用訓練特征集合訓練隨機森林模型；將測試特征集合輸入隨機森林，得到初始分類結果；使用約束規則優化初始分類結果，得到最終水域分類結果。本發明分類精度高，計算速度快，可用于對漁業資源調查，地質災害監測及國土資源調查。

技術領域

本發明屬于圖像處理技術領域，特別涉及一種光學遙感圖像水域分類方法，可用于對漁業資源調查，地質災害監測及國土資源調查。

背景技術

光學遙感圖像的水域檢測分類是指，在已經獲取的光學遙感衛星拍攝的圖像上，提取出圖像中的水域位置，并且將水域分為河流，湖泊，池塘等不同類別。

目前，國內對于光學遙感圖像的水域分類，集中在水域檢測，即提取出遙感圖像中的水域，而不對水域屬于河流，湖泊，池塘中的某一類別進行分類。另一種少量水域類別精細分類的研究工作，是使用卷積神經網絡直接對水域進行分類；或者是首先進行水域位置檢測，再通過設計不同結構卷積神經網絡來提取不同類別的水域。

對光學遙感圖像中的水域分類現有主要技術只進行檢測而不進行分類，如國外學者C.A.Rishikeshan在《ISPRS Journal of Photogrammetry and Remote Sensing》發表的基于數學形態學技術的檢測方法，該方法通過動態選擇濾波器完成對圖像中水域邊緣、形狀等空間特征提取來檢測水域，但是對形狀復雜的水域檢測效果不佳，其次，對水域只進行檢測而不進行分類，損失了大量的可用信息，限制了該方法輸出結果的應用范圍。

在少量對水域進行分類的工作中，如國外學者Abhishek Chaurasia在2017IEEEVisual Communications and Image Processing(VCIP)發表的卷積神經網絡結構LinkNet，使用該方法對水域進行分類時，由于不同類別水域成像的差距較小，并且卷積神經網絡Linknet無法利用水域的全局特征信息，因此同一片水域會出現不同的類別分類，分類結果精度低。

發明內容

本發明的目的在于針對上述現有技術的不足，提出一種基于特征提取的光學遙感圖像水域分類方法，以準確檢測出水域位置，并對檢測出的水域進行快速精確地分類，提高水域分類結果的穩定性與精度。

實現本發明的技術方案是，首先通過設計卷積神經網絡提取遙感圖像中的水域位置；在卷積神經網絡分類的基礎上，利用自身的先驗知識，設計特征算子，對卷積神經網絡輸出的水域進行特征提取；訓練隨機森林，獲取性能最優模型后，將提取到的特征輸入性能最優模型，輸出分類結果；然后再通過設計約束規則，進一步優化分類結果，具體實現步驟包括如下：

(1)從公開網站獲取包含水域的光學遙感圖像的訓練集Train，并使用該訓練集通過反向傳播算法對用于遙感圖像地物分類的卷積神經網絡模型m₀進行訓練，得到一個訓練好的網絡模型m₁，將待分類遙感圖像輸入訓練好的網絡模型m₁，輸出水域二值圖A，該二值圖包括測試水域集合W和背景b，其中W＝{w₁,w₂,...,w_i,...,w_n},其中，w_i表示二值圖A中的第i個水域，i的取值是從1到n，n表示測試水域個數,取值為正整數；

(2)從公開網站獲取水域分類數據集，提取該數據集的訓練水域集合C＝{c₁,...,c_j,...,c_m}，其中，c_j表示該數據集中的第j個水域，j的取值是從1到m，m表示訓練水域個數，取值為正整數；