[發(fā)明專利]一種基于語義分割的冰上湖提取的方法

有效

• 申請?zhí)枺?/td>: 202010153401.6
• 申請日: 2020-03-06
• 公開（公告）號: CN111368843B
• 公開（公告）日: 2022-06-10
• 發(fā)明（設計）人: 鄭澤忠;牟范;劉佳璽;李鍇;謝晨;王丹陽;李慕杰;李江
• 申請（專利權(quán)）人: 電子科技大學
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V10/764;G06V10/772;G06V10/82;G06V20/10;G06V20/13;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都時譽知識產(chǎn)權(quán)代理事務所(普通合伙) 51250
• 代理人: 李雙

本申請公開了一種基于語義分割的冰上湖提取的方法，包括：基于數(shù)據(jù)增廣的冰上湖提取訓練數(shù)據(jù)制作，對下載的冰上湖影像制作標簽圖像并通過數(shù)據(jù)增廣方法增大樣本量；訓練冰上湖提取模型，將原始影像作為輸入，標簽影像作為輸出，訓練基于U?Net和SegNet堆疊網(wǎng)絡的冰上湖提取模型；模型測試，對于需要實際進行冰上湖提取的區(qū)域，選取少量樣本圖片，制作標簽數(shù)據(jù)，將樣本圖片輸入冰上湖提取模型，將結(jié)果與標簽數(shù)據(jù)對比，評價模型效果；模型應用，將需要進行冰上湖提取的區(qū)域的影像輸入冰上湖提取模型，獲取最終的冰上湖提取結(jié)果。本申請?zhí)峁┑囊环N基于語義分割的冰上湖提取的方法，實現(xiàn)了基于深度學習的語義分割算法在冰上湖提取上的首次應用。

技術(shù)領(lǐng)域

本發(fā)明屬于冰上湖遙感圖像處理技術(shù)領(lǐng)域，具體涉及一種基于語義分割的冰上湖提取的方法。

背景技術(shù)

冰川對氣候變化具有很高的敏感性。冰川湖提取可以幫助我們了解其空間分布和動態(tài)變化信息，對于分析湖泊變化與冰川波動的關(guān)系、評估冰川湖爆發(fā)洪水的風險具有重要意義。遙感技術(shù)由于其規(guī)模大、周期性強等特點，常被用于冰川湖的提取。目前，基于衛(wèi)星圖像的冰川湖提取研究主要集中在基于Landsat等中等分辨率的多光譜衛(wèi)星圖像來進行冰上湖提取。這類方法通常需要對冰川湖泊的物理化學特征及其周圍環(huán)境特征進行大量復雜的綜合分析，實現(xiàn)過程較為復雜。并且，由于圖像分辨率的限制，最終提取的結(jié)果精度不高。

語義分割(Semantic Segmentation)是將標簽分配給圖片中的像素的過程。這里的標簽主要是指像素的類別，應用到冰上湖提取中則是指像素為：冰上湖或非冰上湖。全卷積網(wǎng)絡(Full Convolution Network,FCN)的提出,將深度學習引入語義分割領(lǐng)域并大大提高了語義分割算法的精度。語義分割算法已經(jīng)被廣泛應用于各種需要精確和高效的分割機制的應用中，如自動駕駛、室內(nèi)導航、虛擬或增強現(xiàn)實系統(tǒng)等。在遙感領(lǐng)域，也有將語義分割算法應用到地物分類等領(lǐng)域的研究，并取得了不錯的效果。U-Net和SegNet都是基于深度學習的語義分割算法中，在遙感領(lǐng)域取得了不錯效果的算法。目前還沒有基于語義分割的冰上湖提取的詳細研究,并且,在基于語義分割的冰上湖提取過程中所存在的技術(shù)難題也無法解決。

本發(fā)明提供一種基于語義分割的冰上湖提取的方法來克服上述缺陷。

發(fā)明內(nèi)容

本發(fā)明目的在于提供一種基于語義分割的冰上湖提取的方法，用于解決上述現(xiàn)有技術(shù)中存在的技術(shù)問題之一，如：目前還沒有基于語義分割的冰上湖提取的詳細研究,并且,在基于語義分割的冰上湖提取過程中所存在的技術(shù)難題也無法解決。

為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：

一種基于語義分割的冰上湖提取的方法，包括以下步驟：

S1、利用高分辨率的冰上湖的歷史遙感圖像，通過特征提取的方式制作歷史標簽影像，利用所述歷史遙感圖像和歷史標簽影像建立初始訓練數(shù)據(jù)集；

S2、在步驟S1的基礎(chǔ)上，通過數(shù)據(jù)增廣的方式增加訓練樣本數(shù)量，從而獲得最終訓練數(shù)據(jù)集；

S3、搭建基于U-Net和SegNet的堆疊網(wǎng)絡，在步驟S2的基礎(chǔ)上，將所述最終訓練數(shù)據(jù)集輸入所述堆疊網(wǎng)絡進行訓練，從而得到冰上湖提取模型；

S4、獲取目標區(qū)域的遙感圖像，所述遙感圖像不同于上述訓練過程所用的歷史遙感圖像，剪裁部分所述遙感圖像，并通過特征提取的方式相應地制作部分目標標簽影像，在步驟S3的基礎(chǔ)上，將部分的所述遙感圖像輸入所述冰上湖提取模型進行測試，獲取相應的測試結(jié)果，即測試部分目標標簽影像，并根據(jù)所述測試結(jié)果和所述部分目標標簽影像，對所述冰上湖提取模型進行優(yōu)化，從而得到冰上湖優(yōu)化提取模型；

S5、獲取目標區(qū)域的遙感圖像，在步驟S4的基礎(chǔ)上，將所述目標區(qū)域的遙感圖像輸入到所述冰上湖優(yōu)化提取模型中，從而完成對整個目標區(qū)域的冰上湖提取。

進一步的，步驟S1具體為：