一种基于深度学习的SAR图像湖泊边界提取方法技术

本发明专利技术提出一种基于深度学习的SAR图像湖泊边界提取方法。首先获取有关湖泊的SAR遥感影像数据并对其进行整理，将整理好的数据通过Frost滤波器进行滤波降噪处理，然后构建一个自编码器对滤波结果进行降维，再通过卷积神经网络对图像进行湖泊水域的特征提取，最后使用Softmax回归算法输出分类结果，并获得选取湖泊边界提取后的图像。本发明专利技术使用卷积神经网络方法提取SAR湖泊图像的边界，提高了湖泊边界提取精度。卷积神经网络可以高效地提取并湖泊SAR图像中水域的特征，由此构建边界提取模型，有较高的提取准确率。

【技术实现步骤摘要】
一种基于深度学习的SAR图像湖泊边界提取方法
本专利技术属于图像处理
，尤其涉及一种基于深度学习的SAR图像湖泊边界提取方法。
技术介绍
合成孔径雷达(SyntheticApertureRadar，简称SAR)是一种主动式遥感传感技术，主动地向被观测的目标发射微波波段的电磁波，接收并记录从目标反射回的信息，此波段的电磁波不受云、雾和大气的影响，具有一定穿透力能力，能够全天候、全天时、不受气候影响地工作，这不同于被动遥感技术，如光学遥感的对地观测工作常常受限于各种自然条件。SAR技术在城市规划、地质勘探、自然灾害评估、植被生长评估、水质监测、军事目标检测等众多民用乃至军用领域更是发挥着不可忽视的作用。深度学习是近几年来机器学习领域的研究热点。传统的机器学习方法例如支持向量机(SVM)、神经网络(NN)等方法可以看作一种浅层的网络，随着现在数据量的增大、数据结构变的复杂、分类类别递增，传统的机器学习方法已经很难对大量数据进行训练，并且有很好的分类准确率。直到近几年研究者们在训练多层神经网络上取得了很多进展，现在一般称作深度网络。
技术实现思路
针对现有技术存在的问题，本专利技术提供一种本文档来自技高网...

【技术保护点】
1.一种基于深度学习的SAR图像湖泊边界提取方法，其特征在于，包括如下步骤：1)获取湖泊时间系列合成孔径雷达遥感影像数据；2)对获取的合成孔径雷达遥感影像数据进行降噪滤波处理；3)建立一个自动编码器，输入图像经过编码器后，得到编码结果，再加入一个解码器，解码器的结构和参数设置与编码器一致，得到解码结果；4)建立卷积神经网络模型，将解码结果作为输入数据传入该网络模型中并提取胡泊边界。

【技术特征摘要】
1.一种基于深度学习的SAR图像湖泊边界提取方法，其特征在于，包括如下步骤：1)获取湖泊时间系列合成孔径雷达遥感影像数据；2)对获取的合成孔径雷达遥感影像数据进行降噪滤波处理；3)建立一个自动编码器，输入图像经过编码器后，得到编码结果，再加入一个解码器，解码器的结构和参数设置与编码器一致，得到解码结果；4)建立卷积神经网络模型，将解码结果作为输入数据传入该网络模型中并提取胡泊边界。2.根据权利要求1所述的一种基于深度学习的SAR图像湖泊边界提取方法，其特征在于：所述步骤2)对获取的合成孔径雷达遥感影像数据进行降噪滤波处理具体为：采用Frost滤波法对获取的合成孔径雷达遥感影像数据进行降噪滤波处理，滤波器的冲击响应为：其中，K是滤波器参数，CI是被观测的变化系数，t0为滤波的中心像素点，t表示像素点，K1为归一化参数滤波器模型为：其中，Cu、Cmax表示图像区域的两个标准差，CR表示在滤波子窗口内使用滤波算法计算中心像素的滤波值，A为常数，为窗口滤波的均值，I表示区域的滤波值。3.根据权利要求1所述的一种基于深度学习的SAR图像湖泊边界提取方法，其特征在于：所述步骤4)建立卷积神经网络，将解码结果作为输入数据传入该网络中并通过其提取胡泊边界具体为：4a)建立一个具有6层的的卷积神经网络，前4层为卷积层，后2层为全连接层；4b)将解码结果作为输入数据传入该卷积神经网络中，采用像素为n×n的卷积核对输入图像进行卷积操作，输出大小为...

【专利技术属性】
技术研发人员：陈嘉琪，刘希，王娴珏，平学伟，刘海韵，王峰，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32