【技术实现步骤摘要】
洪涝灾害水体范围检测方法及装置、设备和存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种洪涝灾害水体范围检测方法及装置、设备和存储介质。
技术介绍
[0002]近年来，利用SAR影像进行变化检测已在洪涝灾害方面得到了应用，比如利用SAR影像进行水体变化检测在洪涝灾害受灾范围的定量评估中具有独特的优势，但当洪涝灾害伴随有多云、多雨、多雾等极端复杂恶劣天气环境条件时，由于SAR卫星不能穿透云层，使得利用SAR影响评估洪涝灾害情况变得难以实现。
[0003]现有方法中，结合神经网络模型进行SAR影像水体变化检测时，先提取受噪声影响较小的SAR影像高维特征，再基于神经网络模型对样本的学习能力，建立基于高维特征的模型分布，以此实现对输入数据的学习和预测，从而达到识别图像信息的目的。
[0004]然而，现有方法由于需要获取SAR影像高维特征而使得样本需求量大，并且获取的大量样本中可用的水体样本少、其它地物可用样本多以及清晰度高的高质量样本较少，从而导致水体范围检测的精度低且检测效果差。
专利技术内...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种洪涝灾害水体范围检测方法，其特征在于，包括：获取洪涝灾害前后两时相SAR影像的邻域对数比差异图；对所述邻域对数比差异图进行模糊聚类分割处理，得到初始水体变化检测图；其中，所述初始水体变化检测图包括中间像素、第一像素和高置信度非变化像素，所述中间像素包括介于变化和非变化之间的像素，所述第一像素包括变化像素和非变化像素；利用预设网络分类器对所述中间像素进行预测处理，得到目标变化像素和目标非变化像素；其中，所述预设网络分类器包括基于所述第一像素训练初始卷积神经网络的初始分类器后得到的分类器；基于所述目标变化像素和所述目标非变化像素，对所述初始水体变化检测图进行更新处理，得到目标水体变化检测图。2.根据权利要求1所述的洪涝灾害水体范围检测方法，其特征在于，所述对所述邻域对数比差异图进行模糊聚类分割处理，得到初始水体变化检测图，包括：对所述邻域对数比差异图进行模糊聚类分割处理，得到Q个聚类及每个聚类的聚类中心的权值；按照所述权值之间的大小关系，将所述Q个聚类进行排序，得到Q个排序聚类及所述Q个排序聚类包含的总像素数量NUM；按照预设类别像素判定条件，从所述总像素数量NUM中分别确定出Num
CP
个变化像素、Num
IP
个中间像素及Num
UP
个非变化像素；获取所述邻域对数比差异图中的高置信度非变化像素；确定由所述Num
CP
个变化像素、所述Num
IP
个中间像素、所述Num
UP
个非变化像素及所述高置信度非变化像素构成的初始水体变化检测图。3.根据权利要求1所述的洪涝灾害水体范围检测方法，其特征在于，所述预设网络分类器的训练过程，包括：对洪涝灾害前后两时相SAR影像分别进行预设步长的滑窗处理，得到每一时相SAR影像的M
×
N个图斑；基于所述初始水体变化检测图，对所述M
×
N个图斑进行通道融合处理，得到M
×
N个双通道图斑；对所述M
×
N个双通道图斑分别进行样本标注处理，得到M
×
N个训练样本中的变化样本和非变化样本；其中，所述样本标注处理用于表征每个所述双通道图斑为变化样本、非变化样本、中间样本或者高置信度样本；将所述变化样本和非变化样本之和的倒数作为初始卷积神经网络的损失函数权重，并使用所述变化样本和非变化样本对所述初始卷积神经网络的初始分类器进行训练，得到预设网络分类器。4.根据权利要求2所述的洪涝灾害水体范围检测方法，其特征在于，所述按照预设类别像素判定条件，从所述总像素数量NUM中分别确定出Num
CP
个变化像素、Num
IP
个中间像素及Num
UP
个非变化像素，包括：设定所述Q个排序聚类各自包含的像素数量分别为Num1,Num2,...,Num
Q
；其中，Num1＞Num2＞
…
＞Num
Q
，Num1+Num2+
…
+Num
Q
＝NUM；当Num1+
…
+Num
a
‑1＜Num
CP
‑
max
且Num1+
…
+Num
a
‑1+Num
a
＞Num
CP
‑
max
时，确定变化像素的数量
Num
CP
＝Num1+
…
+Num
a
‑1及所述变化像素包含的类别t
c
＝a
‑
1；其中，a为大于1且小于Q的整数，Num
CP
‑
max
为预设变化像素数量上限，Num
CP
‑
max
＝Num
×
T
low
，T
技术研发人员：胡凯龙，李素菊，刘明，刘明博，
申请(专利权)人：应急管理部国家减灾中心，
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。