一种面向容器云的卷积神经网络水体提取方法技术

本发明专利技术公开了一种面向容器云的卷积神经网络水体提取方法，涉及遥感影像的解译与分类技术领域，包括以下步骤：预先获取水体的光谱特性，选取波段组成光谱向量；对光谱向量进行转换获取光谱特征矩阵，并作为卷积神经网络模型的输入特征；以光谱特征矩阵为样本，获取水体提取模型；以多分辨分割算法对需要进行水体提取的遥感影像进行对象分割，并使用唯一ID标识每个对象。本发明专利技术通过综合利用光谱特征和空间特征提取水体，能够有效抑制阴影对水体提取的影响；同时利用容器云和Spark并行优化，效率明显优于单机模式下的效率，并且随着数据量的增加效率提升越明显。

【技术实现步骤摘要】
一种面向容器云的卷积神经网络水体提取方法
本专利技术涉及遥感影像的解译与分类
，具体来说，涉及一种面向容器云的卷积神经网络水体提取方法。
技术介绍
随着遥感技术的快速发展，遥感数据时间分辨率和空间分辨率也越来越高，为水利、农业、环境等领域的业务化监测应用提供了丰富的数据源支持。我国河流和湖泊众多，如何充分利用遥感影像快速获取水体信息是水利监测的重要任务之一。尤其对于常年出现积水洪涝灾害的区域，准确、快速地获取洪涝的范围对于防洪减灾具有重要的意义。由于传统的遥感水体提取并行度不高或者很多算法都是串行的，导致水体提取效率低下。且目前云计算和大数据处理技术已经在遥感处理中得到广泛的应用，但结合云计算、容器虚拟化技术、Spark以及深度学习模型在遥感水体的研究较少，使得水体提取算法无法高效、精确、灵活地应用。因此，亟需一种面向容器云的卷积神经网络水体提取方法。针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
针对相关技术中的问题，本专利技术提出一种面向容器云的卷积神经网络水体提取方法，以本文档来自技高网...

【技术保护点】
1.一种面向容器云的卷积神经网络水体提取方法，其特征在于，包括以下步骤：/n预先获取水体的光谱特性，选取波段组成光谱向量；/n对光谱向量进行转换获取光谱特征矩阵，并作为卷积神经网络模型的输入特征；/n以光谱特征矩阵为样本，获取水体提取模型；/n以多分辨分割算法对需要进行水体提取的遥感影像进行对象分割，并使用唯一ID标识每个对象；/n将需要进行水体提取的遥感影像的数据格式转换成parquet的数据格式，使用Spark的Read方法将转换后的数据以Spark DataSet类型进行读取，并对读取的DataSet按照行的方式进行重新分区；/n在分类结果的DataSet中遍历每一个对象，提取对象范围内...

【技术特征摘要】
1.一种面向容器云的卷积神经网络水体提取方法，其特征在于，包括以下步骤：
预先获取水体的光谱特性，选取波段组成光谱向量；
对光谱向量进行转换获取光谱特征矩阵，并作为卷积神经网络模型的输入特征；
以光谱特征矩阵为样本，获取水体提取模型；
以多分辨分割算法对需要进行水体提取的遥感影像进行对象分割，并使用唯一ID标识每个对象；
将需要进行水体提取的遥感影像的数据格式转换成parquet的数据格式，使用Spark的Read方法将转换后的数据以SparkDataSet类型进行读取，并对读取的DataSet按照行的方式进行重新分区；
在分类结果的DataSet中遍历每一个对象，提取对象范围内的像素的分类的信息，根据投票法求出得票最多的类别，并将该类别作为该对象的分类结果。


2.根据权利要求1所述的面向容器云的卷积神经网络水体提取方法，其特征在于，所述组成光谱向量，包括以下步骤:
预先获取地物的光谱反射率曲线；
筛选影像中用于水体提取的波段，并将波段合成多波段影像；
进行对合成多波段影像采集水体和其他地物的像素，并对所选取的像素进行类别标记；
确定像素包含多个影像波段值...

【专利技术属性】
技术研发人员：张东映，梁忠壮，黄伟，洪志明，
申请(专利权)人：武汉善睐科技有限公司，
类型：发明
国别省市：湖北;42