[發明專利]一種基于神經網絡模型的遙感圖像水體區域提取方法

有效

• 申請號: 202110651847.6
• 申請日: 2021-06-11
• 公開（公告）號: CN113343861B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 張微;馬夢婷
• 申請（專利權）人: 浙江大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/44;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 傅朝棟;張法高

1.一種基于神經網絡模型的遙感圖像水體區域提取方法，其特征在于，步驟如下：

S1、將遙感圖像集中的每張帶有水體標簽的遙感圖像分割為不重疊的圖像塊，形成訓練數據；

S2、利用訓練數據對基于神經網絡構建的水體提取模型進行訓練，所述水體提取模型由編碼模塊、特征融合模塊以及解碼模塊組成；

所述編碼模塊采用ResNet網絡，其輸入為圖像塊，圖像塊經過ResNet網絡中一系列殘差單元以實現水體特征提取，并最終輸出編碼后的原始特征圖；所述ResNet網絡為ResNet18網絡或ResNet34網絡；

所述特征融合模塊中包含擴張率依次遞增的4個卷積核；其中，第一個卷積核的輸入為所述原始特征圖，輸出為第一特征圖；第二個卷積核的輸入為所述原始特征圖和第一特征圖的拼接結果，輸出為第二特征圖；第三個卷積核的輸入為所述原始特征圖、第一特征圖和第二特征圖的拼接結果，輸出為第三特征圖；第四個卷積核的輸入為所述原始特征圖、第一特征圖、第二特征圖和第三特征圖的拼接結果，輸出為第四特征圖；所述原始特征圖、第一特征圖、第二特征圖、第三特征圖和第四特征圖的拼接結果作為所述特征融合模塊的最終輸出特征圖；所述特征融合模塊中第一個卷積核、第二個卷積核、第三個卷積核、第四個卷積核的擴張率分別為6、12、18、24；

所述解碼模塊對輸入的所述最終輸出特征圖進行上采樣后，通過softmax層輸出圖像塊中每個像素是否屬于水體區域的預測結果；所述上采樣方式采用線性插值，作用是恢復圖像原始尺寸；

S3、將待提取的遙感圖像分割為與訓練數據相同大小且不重疊的的圖像塊，并將其輸入S2中訓練完畢的水體提取模型中，將每個圖像塊的輸出結果重新按序拼接，得到待提取的遙感圖像中水體區域的預測結果。

2.如權利要求1所述的基于神經網絡模型的遙感圖像水體區域提取方法，其特征在于，所述遙感圖像集中的遙感圖像和標簽預先進行數據增強，以擴充訓練樣本。

3.如權利要求2所述的基于神經網絡模型的遙感圖像水體區域提取方法，其特征在于，所述數據增強方式為仿射變換。

4.如權利要求1所述的基于神經網絡模型的遙感圖像水體區域提取方法，其特征在于，所述訓練數據中圖像塊的大小為256*256。

5.如權利要求1所述的基于神經網絡模型的遙感圖像水體區域提取方法，其特征在于，所述水體提取模型的損失設為交叉熵損失。

6.如權利要求1所述的基于神經網絡模型的遙感圖像水體區域提取方法，其特征在于，所述水體提取模型在訓練過程中采用Adam作為優化器對模型參數進行優化。