【技术实现步骤摘要】
基于图像金字塔引导和像素对匹配的遥感影像水体识别
本专利技术涉及基于图像金字塔引导和像素对匹配的遥感影像水体识别，属于电子、通讯、信息工程领域。
技术介绍
水体识别，在军事侦察、环境保护、测绘、地理等领域，都是一个重要的研究课题。遥感技术的发展使得人们提取水体信息不再通过实地测量，而是对遥感影像进行解析。遥感影像与普通影像相比，具有更加丰富的特征信息，其在地物可分性方面要强于普通影像。如何从背景复杂、地物信息丰富的遥感影像中对水体特征进行准确表达是水体识别的关键。遥感数据不仅包含了地物的光谱信息，还含有地物的空间分布信息，所含信息量复杂，给水体识别带来了挑战，传统的水体识别算法基于人工设计特征来完成水陆分割。但是一般来说，人工设计特征的方法，其特征提取能力和特征描述能力是有限的，不能充分利用上下文信息进行水体提取。深度卷积神经网络具有强大的特征表达能力，因此在图像解译中非常具有优越性，利用深度卷积神经网络对遥感影像中的水体特征进行表征，避免了人为提取特征没有充分利用上下文信息的不足。本专利技术利用深度卷积神经网络来对...
【技术保护点】
1.基于图像金字塔引导和像素对匹配的遥感影像水体识别,其特征在于，首先执行如下步骤A至步骤D，获得水体识别模型；然后执行步骤i至步骤ii，应用水体识别模型，针对目标遥感影像进行识别；/n步骤A.收集各幅样本遥感影像，并分别针对各幅样本遥感影像，通过下采样构建样本遥感影像所对应的图像尺度金字塔，且进一步构建该图像尺度金字塔中各层尺度特征图分别对应的线性残差块，然后进入步骤B；/n步骤B.分别针对各幅样本遥感影像，利用预设的神经网络算法，结合样本遥感影像所对应图像尺度金字塔中各层尺度特征图分别对应的线性残差块，构建该样本遥感影像所对应的图像特征金字塔；进而获得各幅样本遥感影像分...
【技术特征摘要】
1.基于图像金字塔引导和像素对匹配的遥感影像水体识别,其特征在于，首先执行如下步骤A至步骤D，获得水体识别模型；然后执行步骤i至步骤ii，应用水体识别模型，针对目标遥感影像进行识别；
步骤A.收集各幅样本遥感影像，并分别针对各幅样本遥感影像，通过下采样构建样本遥感影像所对应的图像尺度金字塔，且进一步构建该图像尺度金字塔中各层尺度特征图分别对应的线性残差块，然后进入步骤B；
步骤B.分别针对各幅样本遥感影像，利用预设的神经网络算法，结合样本遥感影像所对应图像尺度金字塔中各层尺度特征图分别对应的线性残差块，构建该样本遥感影像所对应的图像特征金字塔；进而获得各幅样本遥感影像分别所对应的图像特征金字塔,然后进入步骤C；
步骤C.分别针对各幅样本遥感影像，针对样本遥感影像中每个像素点，通过图像特征金字塔构建一维特征向量，获得该样本遥感影像所对应的像素特征向量矩阵；进而获得各幅样本遥感影像分别所对应的像素特征向量矩阵,然后进入步骤D；
步骤D.以各幅样本遥感影像分别所对应的图像特征金字塔作为网络源头输入，样本遥感影像所对应的像素特征向量矩阵作为网络全连接层输入，样本遥感影像是否为水体作为输出，结合预设网络总体损失函数，应用各幅样本遥感影像，针对目标神经网络进行训练，获得水体识别模型；
步骤i.按照步骤A至步骤C的方法，针对目标遥感影像进行处理，获得目标遥感影像所对应的图像特征金字塔、以及像素特征向量矩阵；
步骤ii.根据目标遥感影像所对应的图像特征金字塔、以及像素特征向量矩阵，应用水体识别模型，获得对目标遥感影像的识别结果。
2.根据权利要求1所述的基于图像金字塔引导和像素对匹配的遥感影像水体识别，其特征在于，步骤C首先通过双线性插值算法将图像特征金字塔的对应于不同尺度的各层特征图恢复至图像原始尺寸，再针对图像的每个像素点构建一维特征向量。
3.根据权利要求1所述的基于图像金字塔引导和像素对匹配的遥感影像水体识别，其特征在于，步骤A中的线性残差块通过如下算法计算：
设定样本水体的遥感影像对应的图像尺寸为3×H×W，H为图像的高，W为图像的宽，通过下采样构建图像尺度金字塔：
其中，表示图像尺度金字塔的第i层；
分别针对图像尺度金字塔的每一层尺度特征图，依次经过1×1卷积、3×3卷积、1×1卷积计算之后，再叠加该层尺度特征图经过1×1卷积得到的图像特征，得到对应于该层尺度特征图的线性残差块。
4.根据权利要求1所述的基于图像金字塔引导和像素对匹配的遥感影像水体识别，其特征在于，通过步骤B1到步骤B2得到步骤B中的图像特征金字塔：
步骤B1.利用预设的神经网络算法对样本水体的遥感影像进行水体特征提取，级联步骤A中的第一层尺度特征图对应的线性残差块，得到图像特征金字塔的第一层特征图；
步骤B2.将步骤B1中获取的图像特征金字塔的第一层特征图作为第二层神经网络算法的输入，得到第二层神经网络算法的输出，级联步骤A中的第二层尺度特征图对应的线性残差块，得到图像特征金字塔的第二层特征图，依次类推，得到了图像特征金字塔全部层次的特征图。
5.根据权利要求1所述基于图像金字塔引导和像素对匹配的遥感影像水体识别，其特征在于，步骤D中用于训练水体识别模型的神经网络的总体损失函数按照如下公式计算得到：
Ltotal＝αLPPM+βLSeg
α+β＝1
其中，Ltotal表示网络的总体损失函数，LPPM表示基于匹配度的相似性损失函数，LSeg表示基于语义分割的相...
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。