【技术实现步骤摘要】
一种基于深度U-Net模型的遥感图像海冰识别方法
本专利技术属于海洋观测和图像提取
，具体涉及一种基于深度U-Net模型的遥感图像海冰识别方法。
技术介绍
在海冰观测领域，卫星遥感具有覆盖范围大、时间分辨率高、观测手段多样等优势，是海冰观测的最主要手段，开展遥感图像海冰识别技术发具有重要意义。现有遥感图像海冰识的技术难点在于从图像中寻找具有区分度的特征将海冰与海水分类。现有识别方法包括阈值分割法、专家知识法和机器学习方法。阈值法是寻找一个阈值，将图像中像素根据阈值分类为海冰和海水。专家知识法根据专家经验，从图像中选取特征，根据专家经验和决策系统来识别海冰。机器学习方法需要手动地提取海冰和海水区分特征，将此类典型特征输入到线性回归、支持向量机、人工神经网络等机器学习方法中，实现海冰和海水的分类。阈值方法的阈值适应性较差，很难找到适用于所有遥感图像的阈值。专家系统依靠专家知识，自动化程度低。机器学习方法需要手动提取海冰和海水特征，工作量大，特征选取的质量不易控制，影响分类精度。因此，现有遥感图像海冰...
【技术保护点】
1.一种基于深度U-Net模型的遥感图像海冰识别方法，其特征在于，该识别方法包括以下步骤：/nS1：构建遥感图像海冰训练数据集：对遥感图像进行预处理，再根据现有的海冰相关数据，对遥感图像进行海冰标注，得到真值图像；将遥感图像和真值图像进行切片，得到遥感图像海冰训练数据集；/nS2：构建基于深度U-Net的遥感图形海冰识别模型：以U-Net模型为基本结构，引入双注意力机制：空间注意力机制和通道注意力机制；/nS3：模型训练：用S1中的海冰训练数据集对S2构建的海冰识别模型进行训练，最终得到海冰识别模型。/n
【技术特征摘要】
1.一种基于深度U-Net模型的遥感图像海冰识别方法，其特征在于，该识别方法包括以下步骤：
S1：构建遥感图像海冰训练数据集：对遥感图像进行预处理，再根据现有的海冰相关数据，对遥感图像进行海冰标注，得到真值图像；将遥感图像和真值图像进行切片，得到遥感图像海冰训练数据集；
S2：构建基于深度U-Net的遥感图形海冰识别模型：以U-Net模型为基本结构，引入双注意力机制：空间注意力机制和通道注意力机制；
S3：模型训练：用S1中的海冰训练数据集对S2构建的海冰识别模型进行训练，最终得到海冰识别模型。
2.如权利要求1所述的遥感图像海冰识别方法，其特征在于，所述海冰识别方法还包括S4：模型验证；对S3中训练好的改进深度U-Net模型进行测试，评估该模型的海冰识别精度。
3.如权利要求1所述的遥感图像海冰识别方法，其特征在于，所述S1中对遥感图像进行辐射校正、几何校正、滤波处理预处理。
4.如权利要求1所述的遥感图像海冰识别方法，其特征在于，上述S2中基于深度U-Net的遥感图像海冰识别模型包括：
1)编码器
编码器接收所述遥感图像海冰训练数据集，提取用于区分海冰和海水的抽象特征；编码器由多个卷积神经网络层CNN和最大池化层max-pooling组成；CNN提取空间特征，生成特征图，max-pooling对特征图进行下采样，保留较强特征；
2)双注意力模块
在所述特征图上增加空间注意力模块PAM和通道注意力模块CAM，为特征图增加全局信息；所述PAM和CAM输出的特征图分别经过一次卷积操作，并将二者相加进行融合，将融合后的特征图输入到解码器中；
3)解码器
解码器对双注意力模块输出的特征图进行解码，将压缩的信息逐层还原至原图像大小，以实现像素级的分类；
4)模型输出
解码器输出的特征图经过激活函数得到输入遥感图像对应的分类结果，输出分类结果，以识别海冰。
5.如权利要求1所述的遥感图像海冰识别方法，其特征在于，所述空间注意力模块具体为：空间注意力模块对编码器输出的特征图进行运算，特征图上每个位置的特征值由其他位置的特征值加权求和得到；加权权重由PAM中的注意力机制计算得到；设H，W和C为编码器输出的特征图的高、宽和通道数，则编...
【专利技术属性】
技术研发人员：任沂斌，李晓峰，高乐，刘颖洁，张旭东，
申请(专利权)人：中国科学院海洋研究所，
类型：发明
国别省市：山东;37
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。