[發明專利]水體提取方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110004595.8
• 申請日: 2021-01-04
• 公開（公告）號: CN112668530A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 于強;郭曉瑞;張寶才;彭乘風
• 申請（專利權）人: 北京簡巨科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/40;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 郭曼

本說明書一個或多個實施例提供了一種水體提取方法，包括：獲取包含水體的遙感影像；提取遙感影像的光譜特征或極化特征；將光譜特征或極化特征作為水體提取模型的輸入特征；以及基于水體提取模型，根據所述輸入特征，識別出所述遙感影像中的水體；其中，所述水體提取模型是用于基于輸入特征識別出遙感影像中水體的基于殘差網絡的深度學習分割網絡(U?net)模型。對應上述水體提取方法，本說明書還提供了水體提取裝置、電子設備以及計算機可讀介質。

技術領域

本說明書一個或多個實施例涉及圖像識別技術領域，尤其涉及一種水體提取方法、水體提取裝置、電子設備及計算機可讀存儲介質。

背景技術

水體是生態系統中重要的組成部分。精確地提取出水體信息在水資源調查、水體規劃、洪災監測以及災后評估方面有著重要的作用。因此，如何從包含水體的影像中精確地提取出其中的水體是目前所要解決的關鍵問題之一。

發明內容

有鑒于此，本說明書一個或多個實施例提出一種水體提取方法，可以從遙感影像中快速并精確地識別出其中的水體，實現水體的精確提取。

本說明書實施例所述的水體提取方法可以包括：獲取包含水體的遙感影像；提取所述遙感影像的光譜特征或極化特征；將所述光譜特征或極化特征作為水體提取模型的輸入特征；以及基于水體提取模型，根據所述輸入特征，識別出所述遙感影像中的水體；其中，所述水體提取模型是用于基于輸入特征識別出遙感影像中水體的基于殘差網絡的深度學習分割網絡U-net模型。

在本說明書的實施例中，上述光譜特征包括綠、紅、藍波段數據和/或近紅外波段數據。

在本說明書的實施例中，上述方法可以進一步包括：獲取所述遙感影像各像素點的水體指數；以及將獲取的水體指數作為所述水體提取模型的輸入特征之一。

在本說明書的實施例中，上述方法可以進一步包括：對所述輸入特征進行輻射定標處理。

在本說明書的實施例中，上述基于殘差網絡的U-net模型包括特征提取部分以及上采樣部分；其中，所述特征提取部分包括至少一個特征提取層和一個中間層；其中，每個特征提取層分別包括兩個殘差網絡單元層和一個池化層；所述中間層包括兩個殘差網絡單元層和一個反卷積層；所述上采樣部分包括至少一個上采樣層和一個輸出層；其中，每個上采樣層分別包括兩個殘差網絡單元層和一個反卷積層；所述輸出層包括兩個殘差網絡單元層和一個卷積層。

在本說明書的實施例中，上述殘差網絡單元層包括：第一卷積層、第二卷積層、特征疊加層以及激活函數層；其中，所述第一卷積層和第二卷積層用于將輸入層輸入的特征按照不同的維度進行展開，提取高維特征；所述特征疊加層用于將所述殘差網絡單元層的輸入特征與所述第二卷積層輸出的特征進行疊加；所述激活函數層所采用的激活函數為ReLU(x)＝max(0,x)。

在本說明書的實施例中，上述基于殘差網絡的U-net模型進一步包括：在所述兩個殘差網絡單元層之間的批量歸一化BN層。

對應上述水體提取方法，本說明書的一個或多個實施例還公開了一種水體提取裝置，包括：

遙感影像獲取模塊，用于獲取包含水體的遙感影像；

特征提取模塊，用于提取所述遙感影像的光譜特征或極化特征，并將所述光譜特征或極化特征作為水體提取模型的輸入特征；

識別模塊，用于基于水體提取模型，根據上述輸入特征，識別出上述遙感影像中的水體；其中，上述水體提取模型是用于基于輸入特征識別出遙感影像中水體的基于殘差網絡的深度學習分割網絡U-net模型。

本說明書的一個或多個實施例還提供了一種電子設備，可以包括：存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其中，所述處理器執行所述程序時實現上述水體提取方法。