一种基于行列自注意力全卷积神经网络的遥感图像鱼塘提取方法技术

本发明专利技术公开了一种基于自注意力全卷积神经网络的遥感图像鱼塘提取方法，基本步骤为：利用遥感图像计算NDWI，并利用NDWI进行初步分类，然后制作遥感图像样本集和标定样本集；接下来构建自注意力全卷积神经网络并训练模型，接着用训练后模型对遥感图像进行预测，得到遥感图像各像元类别概率分布；最后将各像元类别概率分布与NDWI分类的结果进行融合，得到分类结果。本发明专利技术在使用全卷积神经网络的基础上，设计了行列双向GRU自注意力模型，对遥感图像中的鱼塘提取具有准确度高、边缘完整的特点，可用于鱼塘自动化提取及变化检测等应用。

【技术实现步骤摘要】
一种基于行列自注意力全卷积神经网络的遥感图像鱼塘提取方法
本专利技术属于遥感目标识别领域，特别涉及一种基于行列自注意力全卷积神经网络的遥感图像鱼塘提取方法。
技术介绍
遥感图像的解译中，最重要的是图像信息的识别。人类对外部视觉的感知是一个统一的整体，包括对场景中每个物体的形状、大小、颜色、距离等性质都按照精确的时空方位等被完整的感知。遥感信息主要包涵了地物的光谱信息，然而不同的物体由于其结构形状和空间位置的不同，在遥感图像上也有明显的反映。人们在视觉判断时，除感受色调、色相的差别外，通过形状和位置的辨认也可以获得大量的信息。遥感图像也是如此，一般仅仅依赖光谱信息不易获得很高的识别精度，只有充分利用了空间结构等图像信息，才能更好地区分地物。鱼塘是水产养殖的基础。全国各地拥有众多鱼塘,是现代农业产业的重要组成部分。及时准确地掌握鱼塘面积时空分布动态,是水产养殖实现现代化管理的迫切需要。目前，鱼塘养殖区面积以及空间分布的获取方法主要依靠人工实地调查测量，该方法时间周期长，人力投入大。遥感技术由于其具有实时、大范围、动态等优势，逐渐成为本文档来自技高网...

【技术保护点】
1.一种基于行列自注意力全卷积神经网络的遥感图像鱼塘提取方法，其特征在于，包括以下步骤：/n一、预处理/n步骤1：选择带有鱼塘的高分辨率遥感图像中的绿波段、红波段、红外波段组成假彩色图像，计算归一化水体指数NDWI，通过NDWI将遥感图像初步分类为“水体”、“背景”；/n步骤2：在步骤1的遥感图像上标记鱼塘和自然水体的样本，得到“鱼塘”、“自然水体”、“背景”这三类待识别目标物的标记结果；/n步骤3：将步骤1中的假彩色图像和步骤2中的标记结果裁剪至256*256大小，得到遥感图像样本集和标记样本集；/n二、构建行列自注意力全卷积神经网络/n步骤4：行列自注意力全卷积神经网络分为编码块和解码块；...

【技术特征摘要】
1.一种基于行列自注意力全卷积神经网络的遥感图像鱼塘提取方法，其特征在于，包括以下步骤：
一、预处理
步骤1：选择带有鱼塘的高分辨率遥感图像中的绿波段、红波段、红外波段组成假彩色图像，计算归一化水体指数NDWI，通过NDWI将遥感图像初步分类为“水体”、“背景”；
步骤2：在步骤1的遥感图像上标记鱼塘和自然水体的样本，得到“鱼塘”、“自然水体”、“背景”这三类待识别目标物的标记结果；
步骤3：将步骤1中的假彩色图像和步骤2中的标记结果裁剪至256*256大小，得到遥感图像样本集和标记样本集；
二、构建行列自注意力全卷积神经网络
步骤4：行列自注意力全卷积神经网络分为编码块和解码块；为获取丰富的图像细节信息和语义信息，编码块采用ResNet101网络，得到不同层的编码输出；解码块利用不同编码层输出细节信息与语义信息不一致的特点，对带有大量细节信息的浅层编码输出进行行列上下文特征的提取，然后将提取出的行列上下文特征与带有丰富语义信息的深层编码输出进行结合，得到解码输出；
其中，通过行列双向GRU(门控循环单元)自注意力模型来对浅层编码输出进行行列上下文特征的提取，行列上下文特征是像元同行列其他像元的隐藏信息以及像元间的联系，用来辅助该像元类别的判断；行列上下文特征与深层编码输出结合的方式为行列上下文特征与上采样后的深层编码输出进行加权求和操作；
步骤5：为得到更大感受野的同时获取行列上下文特征，使用ASPP-RC(结合行列双向GRU自注意力模型的空洞空间卷积池化金字塔模型)对细节特征损失最少的编码层输出进行操作，得到的结果和步骤4解码输出在通道维相连接，而后在通道维降维并归一化得到各像元类别概率分布；
其中，ASPP(空洞空间卷积池化金字塔模型)由多条带有不同扩张率的空洞卷积通路并联组成，为增强ASPP对于图像行列上下文特征的提取，ASPP-RC是在ASPP去除池化层...

【专利技术属性】
技术研发人员：曾喆，游嘉程，王迪，黄建华，刘善伟，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东;37