[發(fā)明專利]一種基于半監(jiān)督學(xué)習(xí)的多光譜河道遙感監(jiān)測方法

在審

• 申請?zhí)枺?/td>: 202010735133.9
• 申請日: 2020-07-28
• 公開（公告）號: CN112084843A
• 公開（公告）日: 2020-12-15
• 發(fā)明（設(shè)計）人: 賈克斌;魏之皓;張家琪;馮金超;孫中華;劉鵬宇
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京思海天達(dá)知識產(chǎn)權(quán)代理有限公司 11203
• 代理人: 劉萍

本發(fā)明公開了一種基于半監(jiān)督學(xué)習(xí)的多光譜河道遙感監(jiān)測方法，實現(xiàn)對于多光譜河道遙感圖像中的河流區(qū)域的識別與河道寬度監(jiān)測的任務(wù)?；诙喙庾V遙感圖像的光譜信息，發(fā)明一種基于半監(jiān)督學(xué)習(xí)的目標(biāo)區(qū)域分類方法，以及基于集成學(xué)習(xí)的目標(biāo)區(qū)域分類結(jié)果融合方法。該方法通過對于多光譜遙感圖像進(jìn)行基于對稱卷積神經(jīng)網(wǎng)絡(luò)的特征提取，并基于半監(jiān)督學(xué)習(xí)和集成學(xué)習(xí)實現(xiàn)多光譜遙感圖像的區(qū)域分類識別任務(wù)。最后基于計算機視覺設(shè)計理念，實現(xiàn)了河道寬度的自動測量監(jiān)測。

技術(shù)領(lǐng)域

本發(fā)明涉及深度學(xué)習(xí)技術(shù)領(lǐng)域，尤其是涉及一種基于半監(jiān)督學(xué)習(xí)的多光譜河道遙感監(jiān)測方法。

背景技術(shù)

多光譜遙感數(shù)據(jù)是自然環(huán)境保護(hù)領(lǐng)域重要的參考數(shù)據(jù)源。其通過空間遙感衛(wèi)星拍攝的自然環(huán)境影像，對多光譜遙感圖像中的河道與陸地等區(qū)域進(jìn)行分類標(biāo)注，進(jìn)而對河道寬度變化等自然評價指標(biāo)進(jìn)行識別，進(jìn)而對于具有洪水預(yù)兆性的河道寬度突增等狀況進(jìn)行預(yù)警。這其中，對于河流寬度的監(jiān)測一直是該領(lǐng)域的工作重點和研究難點之一。

河道寬度的監(jiān)測主要分為河道區(qū)域識別和河道寬度計算兩個主要步驟。

在第一步中，傳統(tǒng)的多光譜遙感圖像中的不同區(qū)域類別的分類標(biāo)注工作主要以人工方式進(jìn)行，前期需要對從事該項工作的人員進(jìn)行大量培訓(xùn)。同時，隨著工作時間的增加，標(biāo)注人員的工作專注度會急劇下降，標(biāo)注準(zhǔn)確率出現(xiàn)不穩(wěn)定。由此，多光譜圖像的區(qū)域變化監(jiān)測工作存在標(biāo)注樣本量滿足大規(guī)模學(xué)習(xí)網(wǎng)絡(luò)樣本真值訓(xùn)練的問題。

近年來，隨著計算機技術(shù)的不斷發(fā)展，以機器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)為代表的智能系統(tǒng)技術(shù)不斷發(fā)展，分類器與模式識別網(wǎng)絡(luò)由此。分類器和模式識別網(wǎng)絡(luò)普遍采用樣本-真值的學(xué)習(xí)模式。以多光譜遙感圖像為例，在訓(xùn)練模式識別網(wǎng)絡(luò)過程中，需要選擇海量多光譜遙感圖像，以及各自對應(yīng)的人工標(biāo)注真值樣本。然而，受到前述的多光譜遙感圖像人工標(biāo)注成本高的制約，人工標(biāo)注真值樣本極為有限，因此存在大量未標(biāo)注的多光譜遙感圖像樣本。如果能將這部分未標(biāo)注的多光譜遙感圖像引入到模式識別網(wǎng)絡(luò)中進(jìn)行輔助訓(xùn)練，將可以有效減少人工標(biāo)注效率低導(dǎo)致的模式識別網(wǎng)絡(luò)訓(xùn)練樣本少、分類效果差的問題。因此引入了半監(jiān)督學(xué)習(xí)的概念，不同于目前主流的只利用已標(biāo)注樣本進(jìn)行網(wǎng)絡(luò)訓(xùn)練的過程，半監(jiān)督學(xué)習(xí)的過程將未標(biāo)注的樣本也引入到網(wǎng)絡(luò)訓(xùn)練過程中，指導(dǎo)網(wǎng)絡(luò)的模型收斂，提高了網(wǎng)絡(luò)模型的知識容量，從而實現(xiàn)高于現(xiàn)有同類方法的河道區(qū)域高準(zhǔn)確率識別。

在第二步中，河道寬度的計算目前主要以基于第一步識別結(jié)果的人工統(tǒng)計丈量為主，即人為選擇河道起止點，人工劃定河道寬度。該過程存在高強度的人為重復(fù)性，即針對于不同時間段的河道識別結(jié)果，需要人為重復(fù)度量，人為寬度監(jiān)測的時效性較為低下。因此，本發(fā)明深入提煉該人為過程的核心步驟與經(jīng)驗，提出了一種自動化的河道寬度監(jiān)測方法。

結(jié)合上述敘述，本發(fā)明針對于現(xiàn)有多光譜遙感圖像區(qū)域變化監(jiān)測的人工標(biāo)注方法存在的人工、時間成本高的問題，以及模式識別網(wǎng)絡(luò)分類方法在訓(xùn)練過程中訓(xùn)練樣本與真值存在的不平衡問題，創(chuàng)新性地提出了一種基于半監(jiān)督學(xué)習(xí)的多光譜河道遙感監(jiān)測方法，在保證多光譜遙感分類準(zhǔn)確率較高的同時，有效減少模式識別網(wǎng)絡(luò)訓(xùn)練過程的樣本真值缺乏問題，提高了河道變化監(jiān)測過程的自動化水平，提高多光譜河道遙感監(jiān)測的時效性。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是現(xiàn)有多光譜遙感圖像區(qū)域變化監(jiān)測的人工標(biāo)注方法存在的人工、時間成本高的問題，以及模式識別網(wǎng)絡(luò)在有限訓(xùn)練樣本情況下的低識別準(zhǔn)確率問題。因此提出了一種基于半監(jiān)督學(xué)習(xí)的多光譜河道遙感監(jiān)測方法，將半監(jiān)督學(xué)習(xí)引入到了遙感圖像的識別分類問題中，具體是從未標(biāo)注的海量樣本中提取語義特征，形成語義聚類群，隨后按照聚類分布特點，對少量帶標(biāo)注的訓(xùn)練樣本進(jìn)行模型訓(xùn)練輔助，進(jìn)而實現(xiàn)對于較難標(biāo)注的多光譜圖像的模型訓(xùn)練與識別過程的優(yōu)化。整體上，在保證多光譜遙感分類準(zhǔn)確率較高的同時，有效減少模式識別網(wǎng)絡(luò)訓(xùn)練過程的樣本真值缺乏問題對于模型準(zhǔn)確率的影響，提高了河道寬度測量過程的自動化水平，提高多光譜河道遙感監(jiān)測的時效性。