[發(fā)明專利]基于特征提取的光學(xué)遙感圖像水域分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910979348.2
• 申請(qǐng)日: 2019-10-15
• 公開（公告）號(hào): CN110738257B
• 公開（公告）日: 2023-03-10
• 發(fā)明（設(shè)計(jì)）人: 侯彪;容拓拓;焦李成;馬文萍;馬晶晶;楊淑媛
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06V20/13
• 分類號(hào): G06V20/13;G06V10/764;G06V10/774;G06V10/28;G06V10/42;G06V10/82;G06N3/084
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華

本發(fā)明公開了一種基于特征提取的光學(xué)遙感圖像水域分類方法，主要解決現(xiàn)有水域分類無法利用水域全局信息，分類精細(xì)度低的問題。其實(shí)現(xiàn)步驟為：訓(xùn)練用于遙感圖像水域檢測的卷積神經(jīng)網(wǎng)絡(luò)模型；使用訓(xùn)練好的模型檢測測試圖像，得到測試水域集合；提取現(xiàn)有數(shù)據(jù)集中訓(xùn)練水域集合；分別標(biāo)記測試水域集合和訓(xùn)練水域集合的聯(lián)通域，得到測試聯(lián)通域和訓(xùn)練聯(lián)通域，并分別提取這兩個(gè)聯(lián)通域的特征，得到測試特征集合和訓(xùn)練特征集合；使用訓(xùn)練特征集合訓(xùn)練隨機(jī)森林模型；將測試特征集合輸入隨機(jī)森林，得到初始分類結(jié)果；使用約束規(guī)則優(yōu)化初始分類結(jié)果，得到最終水域分類結(jié)果。本發(fā)明分類精度高，計(jì)算速度快，可用于對(duì)漁業(yè)資源調(diào)查，地質(zhì)災(zāi)害監(jiān)測及國土資源調(diào)查。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別涉及一種光學(xué)遙感圖像水域分類方法，可用于對(duì)漁業(yè)資源調(diào)查，地質(zhì)災(zāi)害監(jiān)測及國土資源調(diào)查。

背景技術(shù)

光學(xué)遙感圖像的水域檢測分類是指，在已經(jīng)獲取的光學(xué)遙感衛(wèi)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(nèi)對(duì)于光學(xué)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(duì)水域?qū)儆诤恿鳎矗靥林械哪骋活悇e進(jìn)行分類。另一種少量水域類別精細(xì)分類的研究工作，是使用卷積神經(jīng)網(wǎng)絡(luò)直接對(duì)水域進(jìn)行分類；或者是首先進(jìn)行水域位置檢測，再通過設(shè)計(jì)不同結(jié)構(gòu)卷積神經(jīng)網(wǎng)絡(luò)來提取不同類別的水域。

對(duì)光學(xué)遙感圖像中的水域分類現(xiàn)有主要技術(shù)只進(jìn)行檢測而不進(jìn)行分類，如國外學(xué)者C.A.Rishikeshan在《ISPRS Journal of Photogrammetry and Remote Sensing》發(fā)表的基于數(shù)學(xué)形態(tài)學(xué)技術(shù)的檢測方法，該方法通過動(dòng)態(tài)選擇濾波器完成對(duì)圖像中水域邊緣、形狀等空間特征提取來檢測水域，但是對(duì)形狀復(fù)雜的水域檢測效果不佳，其次，對(duì)水域只進(jìn)行檢測而不進(jìn)行分類，損失了大量的可用信息，限制了該方法輸出結(jié)果的應(yīng)用范圍。

在少量對(duì)水域進(jìn)行分類的工作中，如國外學(xué)者Abhishek Chaurasia在2017IEEEVisual Communications and Image Processing(VCIP)發(fā)表的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)LinkNet，使用該方法對(duì)水域進(jìn)行分類時(shí)，由于不同類別水域成像的差距較小，并且卷積神經(jīng)網(wǎng)絡(luò)Linknet無法利用水域的全局特征信息，因此同一片水域會(huì)出現(xiàn)不同的類別分類，分類結(jié)果精度低。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)的不足，提出一種基于特征提取的光學(xué)遙感圖像水域分類方法，以準(zhǔn)確檢測出水域位置，并對(duì)檢測出的水域進(jìn)行快速精確地分類，提高水域分類結(jié)果的穩(wěn)定性與精度。

實(shí)現(xiàn)本發(fā)明的技術(shù)方案是，首先通過設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)提取遙感圖像中的水域位置；在卷積神經(jīng)網(wǎng)絡(luò)分類的基礎(chǔ)上，利用自身的先驗(yàn)知識(shí)，設(shè)計(jì)特征算子，對(duì)卷積神經(jīng)網(wǎng)絡(luò)輸出的水域進(jìn)行特征提取；訓(xùn)練隨機(jī)森林，獲取性能最優(yōu)模型后，將提取到的特征輸入性能最優(yōu)模型，輸出分類結(jié)果；然后再通過設(shè)計(jì)約束規(guī)則，進(jìn)一步優(yōu)化分類結(jié)果，具體實(shí)現(xiàn)步驟包括如下：

(1)從公開網(wǎng)站獲取包含水域的光學(xué)遙感圖像的訓(xùn)練集Train，并使用該訓(xùn)練集通過反向傳播算法對(duì)用于遙感圖像地物分類的卷積神經(jīng)網(wǎng)絡(luò)模型m₀進(jìn)行訓(xùn)練，得到一個(gè)訓(xùn)練好的網(wǎng)絡(luò)模型m₁，將待分類遙感圖像輸入訓(xùn)練好的網(wǎng)絡(luò)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(gè)水域，i的取值是從1到n，n表示測試水域個(gè)數(shù),取值為正整數(shù)；

(2)從公開網(wǎng)站獲取水域分類數(shù)據(jù)集，提取該數(shù)據(jù)集的訓(xùn)練水域集合C＝{c₁,...,c_j,...,c_m}，其中，c_j表示該數(shù)據(jù)集中的第j個(gè)水域，j的取值是從1到m，m表示訓(xùn)練水域個(gè)數(shù)，取值為正整數(shù)；