[發明專利]一種基于改進GLI指數和深度學習的極地植被提取方法

有效

• 申請號: 202110290914.6
• 申請日: 2021-03-18
• 公開（公告）號: CN112861807B
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 趙彬如;郭振棟;焦紅波;牛思文;常建芳;楊曉彤;王力彥
• 申請（專利權）人: 國家海洋信息中心
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V20/10;G06V10/56;G06V10/774;G06V10/82;G06N3/08;G06N3/04;G06V10/30;G06V20/17
• 代理公司: 天津企興智財知識產權代理有限公司 12226
• 代理人: 李彥彥

1.一種基于改進GLI指數和深度學習的極地植被提取方法，其特征在于，包括以下步驟：

S1、獲取遙感影像，進行預處理，并生成暗通道影像，

生成暗通道影像：極地影像上地物為冰雪、巖石、植被，由于植被色彩豐富，植被在RGB顏色通道中至少存在一個顏色通道灰度值低，光強度最小值小的情況，因此暗通道上植被的DN值小，暗通道計算公式如下：

其中，I^c代表原始影像上的RGB三個通道，Ω(x)代表以像素x為中心的一個窗口，I^dark代表生成的暗通道；

S2、改進并計算GLI指數；

S3、合成假色彩影像，用以突出植被特征；

S4、對假色彩影像進行切片制作數據集，并對數據集進行處理；

S5、對數據集中的極地植被區域進行標記；

S6、將切分和標記后的數據集導入到Mask RCNN模型進行訓練，使用Mask RCNN模型提取植被區域；

所述步驟S2中改進并計算GLI指數的方法如下：

改進的GLI指數計算：GLI指數通過比較紅波段與藍波段DN值的平均值和綠波段的DN值，將無人機彩色影像灰度化和歸一化，在暗通道中植被的DN值小，和其他地物區分度明顯，將紅波段用暗通道I^dark替換，用以進一步擴大植被與其他地物的區分度，利用遙感軟件波段計算工具，按照以下公式進行波段運算，DN值為負代表其他地物區域，DN值為正代表植被：

MGLI＝(2G-I^dark-B)/(2G+I^dark+B)

其中，MGLI為改進的GLI，G為原始影像綠波段DN值，B為原始影像藍波段DN值；

所述步驟S3中，合成假色彩影像的方法如下：

經反差增強和波段運算，將暗通道、改進的GLI、藍波段、分別賦予紅色、綠色、藍色，合成假彩色影像；

所述步驟S6中，Mask RCNN模型的創建方法如下：

模型由ResNet和RPN構成，ResNet利用多層卷積結構提取特征圖，RPN則用于生成多個ROI；Mask RCNN模型改進了RoI Pooling采用RoI Align，并采用雙線性插值將RPN生成的多個ROI特征區域映射到統一的尺寸，最后對多個ROI進行分類和定位框的回歸操作，引入FCN生成植被對應的Mask，Mask RCNN的損失函數Loss定義為：

Loss＝L_cls+L_box+L_mask

其中L_cls為分類誤差，L_box為定位框產生的誤差，L_mask為掩膜Mask造成的誤差，L_cls采用的是對數似然損失，其計算公式如下:

其中，X、Y分別為輸入輸出變量，N為輸入樣本量，M為類別數，y_ij是一個二值指標，表示類別j是否是輸入實例x_i的真實類別，p_ij為模型預測輸入實例x_i屬于類別j的概率；

L_box使用的損失函數為的L1損失函數，用于候選框的回歸分析，對每個ROI里任意像素，均采用sigmod函數求相對熵，得到平均相對熵誤差L_mask；

引入了COCO數據集上預訓練的權重進行fine tuning。

2.根據權利要求1所述的基于改進GLI指數和深度學習的極地植被提取方法，其特征在于，所述步驟S1中對遙感影像預處理的方法如下：

輻射校正，用以減少傳感器、太陽高度角、地形造成的輻射誤差；

大氣校正，用以消除大氣散射、吸收、反射造成的誤差；

正射校正，用以消除影像幾何變形。

3.根據權利要求1所述的基于改進GLI指數和深度學習的極地植被提取方法，其特征在于，所述步驟S1中，生成暗通道影像時，暗通道計算公式如下：

其中，I^c代表原始影像上的RGB三個通道，Ω(x)代表以像素x為中心的一個窗口，I^dark代表生成的暗通道。