[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

本發明公開一種基于遙感圖像的水庫水體提取方法，首先遙感圖像進行預處理，構建水體提取數據集。構建Res2Net?UNet模型對遙感圖像進行水體提取，使用UNet模型的編碼器和解碼器的結構，將結合了Res2Net模塊的ResNet50網絡模型作為編碼器，并在解碼器中融入混合域注意力機制，同時在編碼器和解碼器之間加入跳躍連接，更好的對編碼器和解碼器進行特征融合，并充分利用圖像中的空間信息和通道信息，最后使用隨機搜索算法對Res2Net?UNet模型進行參數尋優，使用訓練好的模型進行水體提取，使得水庫水體提取結果的精度更高。

技術領域

本發明屬于遙感圖像處理領域，具體涉及一種基于遙感圖像的水庫水體提取方法。

背景技術

水資源在人們的日常生活中扮演著非常重要的角色，在經濟社會的可持續發展中也發揮著重要的作用。地表水資源對生態系統、農業、工業以及社會生活都非常重要，而隨著經濟社會的不斷發展、人口的不停增長，對水資源的需求也日益增多。我國的水資源分布不均勻，與人口、生產力的需求不能較好的匹配；在農業用水方面，水資源分布較為分散，主要依靠人工經驗；而由于水資源的短缺，生態用水也收到很多的限制。因此，快速準確的獲取水資源的信息，對經濟社會的發展有著十分積極的意義。遙感技術可以在遠距離的情況下，通過電磁波、可見光或紅外線對地表不同物體的輻射或反射不同，來識別不同的目標，在對地觀測和信息獲取方面是最為有效的方式之一。遙感數據所包含的信息豐富，獲取速度快，通過遙感技術對地面進行監測，能夠很好的彌補人工觀測中信息獲取不及時、難度大等缺點。

通過遙感圖像進行水體提取，主要是利用遙感圖像中豐富的波段信息，對遙感圖像中包含的水體信息進行提取和處理。近年來，隨著高分辨率遙感圖像的發展，在高空間分辨率和多光譜遙感數據的前提下，建立準確有效的水體提取模型對于水體信息的提取和應用有著重要的意義。

遙感圖像的水體提取方法主要有基于光譜特征的方法、傳統機器學習方法和深度學習方法。基于光譜特征的方法主要是使用遙感圖像的光譜特征，利用光譜之間的差異進行水體提取。傳統機器學習方法包括支持向量機、最大似然分類和BP神經網絡等。深度學習方法主要利用深層神經網絡對特征提取，從而進行遙感圖像的水體提取。

基于光譜特征的提取方法主要是利用遙感圖像中的光譜信息，對于遙感圖像的類型具有一定的局限性。使用機器學習方法進行水體提取時，可以通過學習訓練樣本的數據進行水體的提取，但是機器學習的學習能力不夠強，導致水體提取的準確率較低。使用深度學習方法進行水體提取時，需要大量的樣本數據共深度學習網絡學習。如何提高水體邊緣和細小水體的提取精度是對遙感圖像進行水體提取時需要考慮的問題。

發明內容

發明目的：本發明的目的在于解決現有技術中存在的不足，提供一種基于遙感圖像的水庫水體提取方法，提出Res2Net-UNet模型進行遙感圖像的水庫水體提取，充分利用遙感圖像中的水庫水體特征信息。

技術方案：本發明的一種基于遙感圖像的水庫水體提取方法，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、使用訓練集訓練神經網絡，提出一種基于遙感圖像的水庫水體提取方法，提出一種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，將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。

所述步驟S1是對圖像進行預處理，所述步驟S1進一步為：對遙感圖像進行輻射定標、大氣校正、正射校正和波段融合處理，波段融合所用的波段為波段4、波段3和波段2；之后使用Labelme工具進行圖像水體標注，得到水體提取數據集；將數據集按照8∶2的比例分為訓練集和測試集。