[發明專利]基于金字塔注意力網絡的PolSAR圖像山脊線提取方法

有效

• 申請號: 202110547251.1
• 申請日: 2021-05-19
• 公開（公告）號: CN113191374B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 翟瑋;張皓然;王菁晗;朱貴鈺;韓昕;鄧津
• 申請（專利權）人: 甘肅省地震局（中國地震局蘭州地震研究所）
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/26;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 青島致嘉知識產權代理事務所(普通合伙) 37236
• 代理人: 王巧麗

本發明公開了一種基于金字塔注意力網絡的PolSAR圖像山脊線提取方法，包括如下步驟：S101，對PolSAR圖像進行預處理和極化分解，得到Yamaguchi分解的體散射分量特征和Lambda特征，兩特征相結合獲得極化組合特征；S102，對極化組合特征進行建筑物和山脊的標注，得到標注圖像，對標注圖像進行分割，獲得訓練集；S103，將所述訓練集輸入PAN模型，首先經7×7的卷積運算，由編碼器進行訓練處理，提取輸入圖像特征；之后利用特征金字塔注意力模塊和全局注意力上采樣模塊分層逐步進行圖像的編碼與解碼，實現多尺度像素級信息的提取和低級與高級特征的有機結合，完成山脊線的提取。本發明顯著提高了山脊線的提取精度，同時在模型的自動化、魯棒性以及普適性上都有所改善。

技術領域

本發明屬于圖像處理技術領域，尤其涉及一種基于金字塔注意力網絡的PolSAR圖像山脊線提取方法。

背景技術

地震引發的次生地質災害滑坡、崩塌、泥石流等對人類生命具有極大的威脅性，而這些由地震觸發的山地災害往往始于山脊線附近，準確地獲取山脊信息有利于了解由地震觸發的山地災害情況，對地震發生后的潛在危險做出合理判斷，從而為救援人員、物資運輸提供幫助。在包含建筑物的極化合成孔徑雷達(Polarimetric?Synthetic?ApertureRadar,?PolSAR)圖像復雜場景中，由于建筑物的存在，山脊識別過程常常產生錯誤判斷。目前關于PolSAR圖像山脊準確有效識別的研究較少。遙感衛星能夠快速、準確地繪制感興趣區域，可以提供災區的重要信息。但地震發生后，受陰雨天氣的影響，光學遙感影像在救災決策中的作用受到了很大限制。而雷達遙感具有不依賴于太陽光，穿透力強，能全天候工作等特點，這些優勢使得雷達遙感技術在地震研究中得到廣泛深入的應用，是國家和地區各級防災減災不可或缺的重要手段。

隨著科技的發展與進步，機器學習與深度學習技術逐漸成熟，在圖像識別，語音識別和自然語言處理等領域為諸多問題提供了最佳解決方案。對于遙感圖像解譯而言，從最初的人工目視解譯發展到現在的計算機自動解譯，其中應用到機器學習與深度學習技術的現象也是較為常見，例如利用極化SAR數據的性質，設計多種專門處理極化SAR數據的深度學習網絡模型，用以完成極化SAR圖像的分類和變化檢測任務。雖然機器學習和深度學習在圖像分割領域應用較為廣泛，但用于山脊線提取的研究比較匱乏。因此，本申請基于機器學習和深度學習技術，從全卷積神經網絡的角度出發，結合極化分解的結果，利用PAN網絡對山脊線進行提取，真正實現全自動提取的目的，并且顯著提高山脊線的提取精度。

發明內容

針對上述背景技術中指出的不足，本發明提供了一種基于金字塔注意力網絡的PolSAR圖像山脊線提取方法，旨在解決上述背景技術中現有技術存在的問題。

為實現上述目的，本發明采用的技術方案是：

基于金字塔注意力網絡的PolSAR圖像山脊線提取方法，包括如下步驟：

S101，對PolSAR圖像進行預處理和極化分解，得到Yamaguchi分解的體散射分量特征和Lambda特征，將所述體散射分量特征與Lambda特征相結合，獲得極化組合特征，以便于后續對建筑物和山脊進行標注，從而獲得訓練樣本和測試樣本；

S102，對極化組合特征圖進行建筑物和山脊的標注，得到標注圖像，對標注圖像進行分割，獲得訓練集和測試集；

S103，將所述訓練集輸入金字塔注意力網絡（PAN）模型，首先經大小為7×7的卷積運算，由編碼器進行訓練處理，提取輸入圖像特征；然后將輸入圖像特征輸入到特征金字塔注意力（FPA）模塊中，提取出不同尺度像素級特征信息；最后利用全局注意力上采樣（GAU）模塊，通過全局池化操作，分層逐步進行圖像的解碼，將底層和高層特征信息準確地結合在一起，完成對山脊線的提取。

優選地，所述建筑物和山脊標記時，采用的標注工具為LabelMe。