[發明專利]一種基于深度學習的航拍圖像水體提取方法與系統

在審

• 申請號: 202011064488.6
• 申請日: 2020-09-30
• 公開（公告）號: CN112203072A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 賴慧芳;曾強
• 申請（專利權）人: 賴慧芳
• 主分類號: H04N9/64
• 分類號: H04N9/64;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習的航拍圖像水體提取方法，其特征在于，該方法包括：

步驟S1：無人機采集多光譜圖像，通過真彩色合成得到RGB圖像，將RGB圖像轉換為HSV空間，得到H通道的色調圖；由RGB圖像轉換得到灰度圖像；

步驟S2：計算多光譜圖像的水體特征指數，得到水體特征圖F1；根據灰度共生矩陣得到灰度圖像的能量紋理特征圖、熵紋理特征圖，結合色調圖、能量紋理特征圖、熵紋理特征圖得到水體細粒度特征圖F2；計算RGB圖像的顏色矩；

步驟S3：將RGB圖像、顏色矩、F1、F2輸入水體提取模塊，所述水體提取模塊包括語義提取編碼器、語義提取解碼器、FC全連接；

將RGB圖像與F1、F2特征聯合形成多通道圖像ImageA，輸入語義提取編碼器；

語義提取編碼器提取輸入數據的特征，得到特征圖F3；

將RGB圖像的顏色矩輸入FC全連接，輸出多個神經元；

將F3中每個像素的值和對應神經元的值相乘后輸入語義提取解碼器，檢測水體并輸出水體分割圖。

2.如權利要求1所述的方法，其特征在于，所述水體特征指數的計算方法包括：

水體歸一化指數NDWI＝(p(Green)-p(NIR))/(p(Green)+p(NIR))，其中p(Green)為綠色波段圖像，p(NIR)為近紅外波段圖像。

3.如權利要求1所述的方法，其特征在于，所述得到水體細粒度特征圖F2的方法包括：

根據公式得到水體細粒度特征圖F2；

x×y為F2中像素數量，F2(x,y)為水體細粒度特征圖中第x行、第y列像素的像素值，H(x,y)為色調圖中第x行、第y列像素的色調值；Image(x,y)為灰度圖像中第x行、第y列像素的灰度值；Entropy(x,y)為熵紋理特征圖圖中第x行、第y列像素的像素值，Energy(x,y)為能量紋理特征圖中第x行、第y列像素的像素值；δ為熵調節系數、ε為能量調節系數。

4.如權利要求1所述的方法，其特征在于，所述水體提取模塊的訓練方法為：

采用若干張ImageA和其對應RGB圖像的顏色矩為數據集；

人工標注出ImageA中每個像素的類別，屬于池塘的像素標注為1，屬于河流的像素標注為2，屬于湖泊的像素標注為3，其他像素標注為0，生成標注數據；

采用Focalloss作為損失函數進行訓練。

5.如權利要求4所述的方法，其特征在于，所述Focalloss為：

L(gt,pr)＝-gt×α×(1-pr)^γ×log(pr)，α為加權因子，γ為聚焦參數，gt為真實值，pr為預測值；

利用超參數搜索對α和γ進行優化，得到最優的α和γ值。

6.一種基于深度學習的航拍圖像水體提取系統，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至5任一項所述方法的步驟。