[發明專利]一種基于遙感圖像的水庫水體提取方法

在審

• 申請號: 202210243704.6
• 申請日: 2022-03-11
• 公開（公告）號: CN114821295A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 余宇峰;李亞琦;萬定生;朱躍龍
• 申請（專利權）人: 河海大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/80;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于遙感圖像的水庫水體提取方法，其特征在于，包括以下步驟：

步驟S1、對遙感圖像進行預處理，獲得水體提取數據集，將數據集劃分為訓練集和測試集；

步驟S2、使用訓練集訓練網絡模型，提出一種基于遙感圖像的水庫水體提取方法，提出使用Res2Net-UNet模型進行水庫水體提取，采用UNet模型的編碼層和解碼層結構構建模型，并結合Res2Net模塊和混合域注意力機制，將訓練集作為模型的輸入對Res2Net-UNet模型進行訓練；

步驟S3、采用隨機搜索算法對Res2Net-UNet模型進行參數尋優，使用訓練好的模型對遙感圖像進行水體提取，得到水體提取結果。

2.根據權力要求1所述的一種基于遙感圖像的水庫水體提取方法，其特征在于，在所述步驟S2中Res2Net-UNet模型的編碼層結構為：

采用ResNet50作為編碼層的基礎架構，并融入Res2Net模塊進行多尺度特征提取，組成Res2Net50模塊作為編碼層整體的結構，輸出結果為5個特征圖，記為f0、f1、f2、f3、f4，作為解碼層的輸入。

3.根據權力要求1所述的一種基于遙感圖像的水庫水體提取方法，其特征在于，在所述步驟S2中Res2Net-UNet模型的解碼層結構為：

首先使用1×1的卷積操作作為Res2Net-UNet模型中編碼層和解碼層的中心模塊部分，之后在解碼層結構中融入混合域注意力機制，并和編碼層進行跳躍連接，結合在編碼層中輸出的5個特征圖進行特征融合，具體步驟為：

步驟一、將在編碼層中得到的特征圖f4經過1×1的卷積操作，得到解碼層的特征圖d4；

步驟二、對特征圖f3進行上采樣操作，之后和特征圖d4進行拼接，經過兩個連續的3×3卷積、BN、ReLU的組合操作，再經過混合域注意力機制模塊，得到特征圖d3；

步驟三、對特征圖f2、f1和f0依次進行步驟二中的操作，得到特征圖d2、d1和d0；

步驟四、將得到的最終特征圖d0，輸入到softmax函數中，將分類的數量設置為2，對圖像像素進行水體和非水體的分類，得到最終的提取結果。

4.根據權力要求1所述的一種基于遙感圖像的水庫水體提取方法，其特征在于，在所述步驟S3中，采用隨機搜索算法對Res2Net-UNet模型進行參數尋優，Res2Net-UNet模型最終參數為：學習率為0.0001，優化器使用Adam，激活函數為ReLu，迭代次數為130，批處理尺寸為4，Res2Net模塊中分組的組數scale＝4。