【技术实现步骤摘要】
一种基于金字塔机制的遥感影像海洋与非海区域分割方法
[0001]本专利技术涉及遥感影像分割
,尤其涉及一种基于金字塔机制的遥感影像海洋与非海区域分割方法。
技术介绍
[0002]我国是一个海洋大国,海岸线作为非常重要的地标之一是海洋和陆地的交界线。随着海洋经济的迅猛发展,我国南部沿海地区凭借地理位置的优越性,逐渐成为人们活动的主要区域。海岸线由于外界因素和人为因素的影响会发生相应的变化,例如海水侵蚀、淤泥排放、滩涂围垦和海沙采集等都会导致海岸线的扩张和收缩。近年来,我国遥感技术随着遥感卫星事业的迅速发展取得了进步。遥感技术的优势是不会受到地表变化、天气差异以及地理环境的影响,因此在海洋开发事业中取得了广泛的应用。高分遥感图像因其清晰度较高,有利于人们获取图像信息、提取图像特征和解释图像,其中图像语义分割在遥感图像应用中发挥着关键的作用。尤其是对海洋和陆地的分割可以准确获取海岸线信息,对于海岸的动态变迁以及重要信息提取具有重要的作用。除此之外,海洋遥感图像中还存在陆地、云雾、飞行物等干扰区域,这些干扰对于海洋目标检测带来了巨大挑战。因此,遥感影像海洋区域和非海区域分割具有重要意义。
[0003]随着人工智能技术的不断发展,机器学习方法被广泛的应用于各个领域,是图像语义分割的研究重点和热点问题。卷积神经网络(CNN)以其巨大的优势在遥感图像处理领域取得了显著的成绩。高分辨率遥感图像成像质量好,清晰度高,对于检测海岸线变动、岸滩宏观变化趋势具有重要意义。在遥感图像中提取海岸线信息和图中干扰物目标分割对于海洋周 ...
【技术保护点】
【技术特征摘要】
1.一种基于金字塔机制的遥感影像海洋与非海区域分割方法,其特征在于,所述方法包括下列步骤:获取高分遥感图像,并对所述高分遥感图像进行裁剪,并绘制相对应的海陆分割真值图;将裁剪后的高分遥感图像依次进行分块以及图像刚性变换,并基于变换结果划分训练集以及测试集;建立金字塔机制融合神经网络,将训练集中的数据输入金字塔机制融合神经网络进行学习训练获得海洋与非海区域分割模型;将所述测试集中的数据输入金字塔机制融合神经网络中,得到遥感图像海陆分割结果。2.根据权利要求1所述的一种基于金字塔机制的遥感影像海洋与非海区域分割方法,其特征在于,对所述高分遥感图像进行裁剪,裁剪后的图像包含海岸线附近区域和陆地所有信息。3.根据权利要求2所述的一种基于金字塔机制的遥感影像海洋与非海区域分割方法,其特征在于,所述绘制相对应的海陆分割真值图时,其过程包括:基于ArcGIS10.2工具,在裁剪后的高分遥感影像中手动绘制海洋和陆地区域,得到点线面构成的shp格式的矢量文件作为真值图。4.根据权利要求3所述的一种基于金字塔机制的遥感影像海洋与非海区域分割方法,其特征在于,所述将裁剪后的高分遥感图像依次进行分块以及图像刚性变换时,其过程包括:将裁剪后的高分遥感图像进行分块处理,分块大小为N
×
N,其中N为不超过256的自然数;将分块后的图像进行上下、左右翻转,并旋转一定角度扩充样本量。5.根据权利要求1
‑
4任一项所述的一种基于金字塔机制的遥感影像海洋与非海区域分割方法,其特征在于,所述将训练集中的数据输入金字塔机制融合神经网络进行学习训练获得海洋与非海区域分割概率图时,其过程包括:设定A={A1,A2,
…
,A
i
}包含所有高分遥感影像训练数据集}包含所有高分遥感影像训练数据集其中d
m
,d
n
表示样本A
i
尺寸;将所述训练集A
i
输入金字塔机制融合神经网络的第一层进行残差卷积,获得特征图将所述特征图输入金字塔机制融合神经网络的池化层进行下采样,获得特征图将所述特征图输入金字塔机制融合神经网络的金字塔机制模块,获得多尺度特征F0;对所述特征图进行残差卷积,获得特征图同时将所述特征图输入金字塔机制融合神经网络的池化层进行下采样,获得特征图将所述特征图输入金字塔机制融合神经网络的金字塔机制模块,获得多尺度特征F1;
对所述特征图进行残差卷积,获得特征图同时将所述特征图输入金字塔机制融合神经网络的池化层进行下采样,获得特征图将所述特征图输入金字塔机制融合神经网络的金字塔机制模块,获得多尺度特征F2;将所述特征图进行残差卷积,获得特征图同时将所述特征图输入金字塔机制融合神经网络的池化层进行下采样,获得特征图将所述特征图输入金字塔机制融合神经网络的金字塔机制模块,获得多尺度特征F3;将所述特征图进行残差卷积,获得特征图同时将所...
【专利技术属性】
技术研发人员:黄梦醒,李玉春,吴园园,张雨,冯思玲,毋媛媛,冯文龙,吴迪,林聪,
申请(专利权)人:海南大学,
类型:发明
国别省市:
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。