【技术实现步骤摘要】
基于深度学习的卫星影像河流两侧采砂提取方法及系统
本专利技术属于图像处理
，尤其涉及一种基于深度学习的卫星影像河流两侧采砂提取方法及系统。
技术介绍
随着高分辨率对地观测的持续推进，卫星遥感数据资源日益丰富，空间分辨率达到了亚米级水平。高分辨率影像具有：(a)能够展示地面目标的清晰细节，减小了目标地物类间差异，但同时也增大了类内差异；(b)波段一般较少，光谱信息相对欠缺；(c)相比于中、低分辨率影像，数据量更大、复杂度更高。由于上述几点原因，传统计算机影像解译方法受到限制，深度学习技术因能够自动地从浅层的特征中学习更加复杂和抽象的深层特征已被广泛应用于高分辨率影像解译并取得了很好的结果。
技术实现思路
针对现有技术存在的问题，本为了提高图像处理的效率和准确性，本专利技术提出了一种基于深度学习的卫星影像河流两侧采砂提取方法及系统。本专利技术的目的之一在于提供一种基于深度学习的卫星影像河流两侧采砂提取方法，包括如下步骤：S1、将获取的无云、无雾霾高分辨率卫星影像进行数据预处理，得...
【技术保护点】
1.一种基于深度学习的卫星影像河流两侧采砂提取方法，其特征在于：至少包括如下步骤：/nS1、将获取的无云、无雾霾高分辨率卫星影像进行数据预处理，得到地表真实影像和归一化水体指数影像；/nS2、对所述地表真实影像进行数据标注，得到含有采砂和非采砂信息的地表真实标注影像；/nS3、将所述地表真实影像、归一化水体指数影像、地表真实标注影像按照相同的方式同步裁剪，并进行数据增强，得到深度学习算法训练所需的样本；/nS4、将所述样本输入深度学习算法中进行训练；/nS5、用训练得到的模型对输入的地表真实影像和归一化水体指数影像进行河流两侧采砂信息提取，得到地表真实预测影像；/nS6、通...
【技术特征摘要】 【专利技术属性】
1.一种基于深度学习的卫星影像河流两侧采砂提取方法，其特征在于：至少包括如下步骤：
S1、将获取的无云、无雾霾高分辨率卫星影像进行数据预处理，得到地表真实影像和归一化水体指数影像；
S2、对所述地表真实影像进行数据标注，得到含有采砂和非采砂信息的地表真实标注影像；
S3、将所述地表真实影像、归一化水体指数影像、地表真实标注影像按照相同的方式同步裁剪，并进行数据增强，得到深度学习算法训练所需的样本；
S4、将所述样本输入深度学习算法中进行训练；
S5、用训练得到的模型对输入的地表真实影像和归一化水体指数影像进行河流两侧采砂信息提取，得到地表真实预测影像；
S6、通过判定提取精度达标情况选择人工修正地表真实预测影像的错误结果至地表真实标注影像，并进行循环迭代训练直至精度达标或者输出最终提取结果。
2.根据权利要求1所述的基于深度学习的卫星影像河流两侧采砂提取方法，其特征在于：所述数据预处理包括：
首先通过Brovey变换将高分辨率影像的多光谱波段和全色波段进行融合；具体的计算公式为：
其中，Bandn为融合后的某一波段，B1、B2、…、Bn分别为多光谱波段的1、2、…、n波段，P为全色波段；
然后对融合影像进行波段运算，得到地表真实影像和归一化水体指数影像；所述波段运算具体为：将融合影像中的红波段、绿波段、蓝波段进行分离，并按照正常顺序进行合成得到地表真实影像，利用绿波段和近红外波段计算得到归一化水体指数影像，计算公式为：
其中，G为融合影像的绿波段，NIR为融合影像的近红外波段。
3.根据权利要求1所述的基于深度学习的卫星影像河流两侧采砂提取方法，其特征在于：所述数据标注为：将地表真实影像在ArcGIS中进行标注，得到只含有采砂和非采砂信息的地表真实标注影像。
4.根据权利要求1所述的基于深度学习的卫星影像河流两侧采砂提取方法，其特征在于：所述深度学习算法包括输入部分、特征提取部分、特征还原部分和输出部分。
5.根据权利要求1所述的基于深度学习的卫星影像河流两侧采砂提取方法，其特征在于：所述人工修正为利用ArcGIS软件对提取的结果进行编辑。
技术研发人员：王守志，张福坤，刘金玉，奚歌，耿振云，詹昊，
申请(专利权)人：中水北方勘测设计研究有限责任公司，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。