[發明專利]一種SAR影像水體提取方法、裝置、電子設備及存儲介質

有效

• 申請號: 202111302938.5
• 申請日: 2021-11-05
• 公開（公告）號: CN113743383B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 王宇翔;鄒舒暢;張攀;路超然;李彥;沈均平
• 申請（專利權）人: 航天宏圖信息技術股份有限公司
• 主分類號: G06V20/05
• 分類號: G06V20/05;G06V10/26;G06V10/40;G06V10/75;G06V10/77;G06V10/774;G06V10/80;G06K9/62
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 榮穎佳

1.一種SAR影像水體提取方法，其特征在于，包括：

獲取待檢測SAR影像；

對所述待檢測SAR影像進行預處理；

通過水體分割模型，對預處理后的待檢測SAR影像進行處理，得到水體分割結果；

其中，所述水體分割模型為增加雙注意力機制的DeepLabv3+語義分割模型，并通過包含SAR影像樣本和DEM數據的樣本數據集訓練得到；

所述方法還包括：對水體分割模型進行訓練的步驟，具體包括：

步驟S1：建立訓練樣本數據集；所述訓練樣本數據集包括SAR影像和外部DEM數據；

步驟S2：采用遷移學習對一個ResNet-50網絡進行預訓練，利用訓練好的ResNet-50網絡初始化水體分割模型的模型參數；

步驟S3：將訓練樣本數據集數據分成多個batch；

步驟S4：將一個batch的數據輸入水體分割模型，得到預測結果，利用預測結果和樣本標簽結果計算損失函數：

其中，為預測為真實標簽的概率，γ為參數；

步驟S5：利用損失函數更新水體分割模型的參數；

迭代步驟S3至步驟S5，直至訓練樣本數據集全部訓練完畢；

所述建立訓練樣本數據集，包括：

采集多幅星載SAR影像；

以已有光學影像作為地理參考基準，通過多模態匹配技術，對每幅星載SAR影像進行控制點匹配，直接獲取匹配點地理坐標或投影坐標，并將獲取到的匹配點作為區域網平差控制點、連接點，生成具有地理參考的SAR影像；

根據像素值范圍確定水體區域的閾值分割方法，對預處理后的SAR影像進行自動水體初步標注；對比同期的光學遙感影像，結合專家解譯知識，對錯誤標記的區域進行人工糾正，得到正樣本數據；

使用外部DEM數據模擬SAR影像，將模擬SAR影像中的山體陰影區域作為負樣本數據；

將道路數據作為負樣本數據；

對正樣本數據和負樣本數據均進行切片，獲取到訓練樣本數據集；

所述水體分割模型包括：編碼器和解碼器；所述編碼器至少包括：特征提取模塊、空間金字塔池化模塊、雙注意力機制模塊和融合模塊；

通過水體分割模型，對所述預處理后的待檢測SAR影像進行處理，得到水體分割結果；包括：

通過所述特征提取模塊，提取預處理后的待檢測SAR影像的語義特征圖F1和低級語義特征圖F2，將語義特征圖F1分別輸入空間金字塔池化模塊和雙注意力機制模塊，將低級語義特征圖F2輸入解碼器；

通過所述空間金字塔池化模塊，對語義特征圖F1進行處理，得到不同尺度的特征圖，將不同尺度的特征圖融合后得到語義特征F3；

通過所述雙注意力機制模塊，對語義特征圖F1進行位置注意力機制和通道注意力機制處理，得到語義特征F4；

通過所述融合模塊，對語義特征F3和語義特征F4進行融合，得到高級語義特征F5，將高級語義特征F5輸出至解碼器；

通過所述解碼器，對低級語義特征F2和高級語義特征F5進行融合，得到水體分割結果；

所述特征提取模塊采用帶空洞的ResNet-50，ResNet-50共包含5個卷積塊；第一卷積塊為單一卷積層；第二卷積塊包括3個順序連接的殘差模塊；第三卷積塊包括4個順序連接的殘差模塊；第四卷積塊包括6個順序連接的殘差模塊；第五卷積塊包括3個順序連接的殘差模塊，其中，第五卷積塊的卷積方式為空洞卷積；所述殘差模塊包括：三個順序連接的卷積核1×1，3×3，1×1和第一加法單元，三個卷積核對輸入特征進行處理，輸出輸入特征的殘差，第一加法單元將輸入特征的殘差和輸入特征進行映射相加，輸出處理后的輸入特征；

通過所述特征提取模塊，提取預處理后的待檢測SAR影像的語義特征圖F1和低級語義特征圖F2；包括：

將經過第一卷積塊和第二卷積塊處理得到特征圖作為低層語義特征圖F2；

將經過第一卷積塊、第二卷積塊、第三卷積塊、第四卷積塊和第二卷積塊處理得到特征圖作為語義特征圖F1。