[發(fā)明專利]一種基于高分遙感影像的水體變化檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011290853.5
• 申請(qǐng)日: 2020-11-17
• 公開(kāi)（公告）號(hào): CN112418049B
• 公開(kāi)（公告）日: 2023-06-13
• 發(fā)明（設(shè)計(jì)）人: 沈正偉;趙文波;尹建偉;尚永衡;黃挺挺;錢磊
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)德清先進(jìn)技術(shù)與產(chǎn)業(yè)研究院
• 主分類號(hào): G06V20/13
• 分類號(hào): G06V20/13;G06V10/46;G06V10/764;G06T7/33;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 林松海

1.一種基于高分遙感的水體變化檢測(cè)方法，其特征包括如下步驟：

1）選取兩幅相同區(qū)域不同時(shí)的高分遙感影像作為訓(xùn)練用數(shù)據(jù)，進(jìn)行預(yù)處理；

2）數(shù)據(jù)標(biāo)注：通過(guò)人工方式標(biāo)注預(yù)處理后的兩幅高分遙感影像的水體變化信息，獲取水體變化圖；

3）影像分割：對(duì)兩幅高分遙感影像以及水體變化圖進(jìn)行圖像分割得到訓(xùn)練樣本，并分成訓(xùn)練集、測(cè)試集；

4）構(gòu)建水體變化檢測(cè)模型：構(gòu)建改進(jìn)UNet水體變化檢測(cè)網(wǎng)絡(luò)模型，并利用訓(xùn)練樣本對(duì)其進(jìn)行模型訓(xùn)練；

5）將待檢測(cè)的相同區(qū)域不同時(shí)的高分遙感影像依次進(jìn)行正射校正、圖像配準(zhǔn)、圖像分割后，輸入水體變化檢測(cè)模型，得到初步水體變化圖并進(jìn)行后期處理，獲取最終水體變化二值圖；

步驟1）預(yù)處理過(guò)程如下：

2.1?利用高分遙感影像自帶的RPC系數(shù)，對(duì)影像進(jìn)行正射校正；

2.2?對(duì)正射校正后的兩幅高分遙感影像采用SIFT算法進(jìn)行圖像配準(zhǔn)；

步驟3）對(duì)訓(xùn)練樣本影像的圖像分割過(guò)程如下：

4.1?將預(yù)處理過(guò)后的兩幅高分遙感影像以及水體變化圖按照256?×256像素大小進(jìn)行分割，選取80%的圖塊及對(duì)應(yīng)的水體變化圖塊作為訓(xùn)練集，剩余的圖塊作為測(cè)試集；

4.2?對(duì)樣本圖塊隨機(jī)從圖像旋轉(zhuǎn)、圖像縮放、顏色變換、添加噪聲中選取至少一種方法進(jìn)行樣本數(shù)據(jù)處理，增加訓(xùn)練樣本的數(shù)量，提高數(shù)據(jù)特征多樣性；

步驟4）改進(jìn)UNet水體變化檢測(cè)網(wǎng)絡(luò)模型包括：

5.1?網(wǎng)絡(luò)模型呈對(duì)稱結(jié)構(gòu)，左邊為編碼部分，右邊為解碼部分；

編碼部分包含4層網(wǎng)絡(luò)，前3層包含2個(gè)卷積層和1個(gè)池化層，第1、2、3層的卷積層分別使用32、64、128個(gè)3×3的卷積核，每個(gè)卷積層后使用ReLU激活函數(shù)，并添加BN層，每一層卷積操作后進(jìn)行池化操作；

輸入圖像尺寸為256×256×8，經(jīng)過(guò)三層網(wǎng)絡(luò)后分別得到128×128×32、64×64×64、32×32×128的特征圖；

5.2?第4層包含2個(gè)卷積層和1個(gè)上采樣層，卷積層使用256個(gè)3×3的卷積核，使用ReLU激活函數(shù)并添加BN層，經(jīng)過(guò)該層后得到32×32×256的特征圖；

5.3?解碼部分包含3層網(wǎng)絡(luò)，每層包含1個(gè)反卷積層、1個(gè)拼接層和3個(gè)卷積層，反卷積層將圖像放大2倍，恢復(fù)至對(duì)應(yīng)編碼層池化前大小，拼接層將反卷積層得到的特征圖與之前對(duì)應(yīng)編碼層的特征圖以及上一層的預(yù)測(cè)圖進(jìn)行拼接，第5、6層網(wǎng)絡(luò)的前兩個(gè)卷積層分別使用128、64個(gè)3×3的卷積核，每個(gè)卷積層后使用ReLU激活函數(shù)，并添加dropout層，后一個(gè)卷積層使用2個(gè)1×1的卷積核對(duì)特征圖進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果用于下一層級(jí)的拼接和損失函數(shù)的計(jì)算，第7層前兩個(gè)卷積層使用32個(gè)3×3的卷積核，每個(gè)卷積層后使用ReLU激活函數(shù)，并添加dropout層，最后一個(gè)卷積層使用2個(gè)1×1的卷積核，對(duì)特征圖進(jìn)行預(yù)測(cè)，得到變化檢測(cè)圖；

5.4?采用多類別交叉熵作為損失函數(shù)，采用多類別平均準(zhǔn)確率作為訓(xùn)練過(guò)程中的精度評(píng)價(jià)指標(biāo)，采用Adam函數(shù)作為參數(shù)優(yōu)化器，進(jìn)行模型訓(xùn)練，最終獲得訓(xùn)練好的水體變化檢測(cè)網(wǎng)絡(luò)模型；

步驟5）獲取最終水體變化圖的過(guò)程如下：

6.1?對(duì)待檢測(cè)的不同時(shí)相同區(qū)域的高分遙感影像按步驟1）中相同辦法進(jìn)行預(yù)處理，并對(duì)影像進(jìn)行分割；

6.2?對(duì)分割后的圖塊輸入到訓(xùn)練好的水體變化檢測(cè)網(wǎng)絡(luò)模型中，獲取初步水體變化圖；

6.3?對(duì)初步水體變化圖采用圖割算法進(jìn)行后期處理，最終得到水體變化二值圖。

2.根據(jù)權(quán)利要求1所述的水體變化檢測(cè)方法，其特征在于：步驟2）通過(guò)人工方式對(duì)兩幅相同區(qū)域不同時(shí)的高分遙感影像的水體變化部分進(jìn)行標(biāo)注，得到水體變化二值圖。