一种SAR图像水华区域提取方法技术

本发明专利技术涉及数据处理技术领域，公开了一种SAR图像水华区域提取方法，包括：通过对SAR图像第一特征进行注意力机制和特征精细操作获取第二特征，搭建注意力卷积模块；通过小波注意力分割网络对SAR图像进行处理，获取SAR图像水华区域；其中，注意力卷积模块用于小波注意力分割网络中对SAR图像进行精细处理。本发明专利技术提出的小波注意力分割网络能够通过两级的离散小波变换分解SAR图像的不同频率分量，同时对于不同频率分量能够通过注意力卷积模块进行SAR图像中水华区域图像的特征进行提取和精细，从而实现对于SAR图像中水华区域的准确分割。割。割。

【技术实现步骤摘要】
一种SAR图像水华区域提取方法


[0001]本专利技术涉及数据处理
，具体涉及一种SAR图像水华区域提取方法。

技术介绍

[0002]环境监测一直是遥感对地观测技术的一个重要应用，而对于湖泊的水华定期检测则是其中的一项典型内容。光学遥感技术应用广泛且其图像色彩丰富易于观察，但光学遥感观测易受云和雾的天气的影响，无法满足稳定的观测要求。合成孔径雷达（Synthetic Aperture Radar, SAR）是一种可以进行全天时全天候的地球表面观测技术，可实现可靠的湖泊水华监测。现有的图像分割网络往往针对于自然图像而设计，难以在SAR图像的水华区域提取上取得有意的表现。

技术实现思路

[0003]本专利技术的目的在于克服上述一种或多种现有的技术问题，提供一种SAR图像水华区域提取方法。
[0004]为实现上述目的，本专利技术提供的一种SAR图像水华区域提取方法，包括：
[0005]通过对SAR图像第一特征进行注意力机制和特征精细操作获取第二特征，搭建注意力卷积模块；
[0006]通过小波注意力分割网络对SAR图像进行处理，获取SAR图像水华区域；其中，注意力卷积模块用于小波注意力分割网络中对SAR图像进行精细处理。
[0007]根据本专利技术的一个方面，提取方法还包括：
[0008]对小波注意力分割网络进行提取SAR图像水华区域的训练及测试。
[0009]根据本专利技术的一个方面，搭建注意力卷积模块包括：
[0010]对SAR图像第一特征进行注意力机制，通过卷积提取第一特征和对第一特征使用函数对特征进行映射，再将映射后的结果与第一特征相乘；计算过程可形式化的表示为，
[0011]；
[0012]其中，表示卷积，
[0013]表示第一特征，
[0014]表示映射后的结果与第一特征相乘，
[0015]表示对第一特征进行注意力机制操作后的第一特征结果；
[0016]再对第一特征结果进行特征精细操作，对第一特征结果进行卷积、批规范化、修正线性单元激活操作和跳转连接，得到第二特征，计算过程可形式化的表示为，
[0017]；
[0018]其中，表示第二特征，
[0019]表示修正线性单元，
[0020]表示批规范化，
[0021]表示相加操作；
[0022]所述搭建注意力卷积模块计算过程可形式化的总结为，
[0023]；
[0024]其中，表示注意力卷积模块。
[0025]根据本专利技术的一个方面，通过小波注意力分割网络对SAR图像进行处理，获取SAR图像水华区域包括：
[0026]根据第一级别离散小波变换将SAR图像分解为近似分量、水平分量、垂直分量和对角线分量，分解过程可形式化的表示为，
[0027]；
[0028]其中，表示分解得到的近似分量，
[0029]表示为分解得到的水平分量，
[0030]表示为分解得到的垂直分量，
[0031]表示为分解得到的对角线分量，
[0032]表示SAR图像，
[0033]表示离散小波变换；
[0034]对分解得到的近似分量、水平分量、垂直分量和对角线分量通过注意力卷积模块进行第一级别特征精细操作，可形式化的表示为，
[0035]；
[0036]其中，表示为对分解得到的近似分量进行第一级别特征精细后的结果，表示为对分解得到的水平分量进行第一级别特征精细后的结果，
[0037]表示为对分解得到的垂直分量进行第一级别特征精细后的结果，
[0038]表示为对分解得到的对角线分量进行第一级别特征精细后的结果。
[0039]根据本专利技术的一个方面，通过小波注意力分割网络对SAR图像进行处理，获取SAR图像水华区域还包括：
[0040]对进行第一级别特征精细操作后的结果、、和进行第二级别离散小波转换的分解过程，可形式化的表示为，
[0041]；
[0042]；
[0043]；
[0044]；
[0045]其中，表示对进行第二级别离散小波转换的分解过程后的近似
‑
近似分量、近似
‑
水平分量、近似
‑
垂直分量和近似
‑
对角线分量，
[0046]表示对进行第二级别离散小波转换的分解过程后水平
‑
近似分量，水平
‑
水平分量，水平
‑
垂直分量，水平
‑
对角线分量，
[0047]表示对进行第二级别离散小波转换的分解过程后垂直
‑
近似分量，垂直
‑
水平分量，垂直
‑
垂直分量，垂直
‑
对角线分量，
[0048]表示对进行第二级别离散小波转换的分解过程后对角线
‑
近似分量，对角线
‑
水平分量，对角线
‑
垂直分量，对角线
‑
对角线分量；
[0049]再通过注意力卷积模块进行第二级别特征精细，可形式化的表示为，
[0050]；
[0051]；
[0052]；
[0053]；
[0054]其中，表示进行第二级别特征精细的结果，
[0055]表示进行第二级别特征精细的结果，
[0056]表示进行第二级别特征精细的结果，
[0057]表示进行第二级别特征精细的结果。
[0058]根据本专利技术的一个方面，通过小波注意力分割网络对SAR图像进行处理，获取SAR图像水华区域还包括：
[0059]通过逆离散小波变换和注意力卷积模块，对进行第二级别特征精细得到的分量进行逆向转换和第三级别特征精细操作，形式化的表示为，
[0060]；
[0061]；
[0062]；
[0063]；
[0064]其中，表示逆离散小波变换，
[0065]表示为逆向转换得到的近似分量，
[0066]表示为逆向转换得到的水平分量，
[0067]表示为逆向转换得到的垂直分量，
[0068]表示为逆向转换得到的对角线分量；
[0069]对逆向转换得到的近似分量、水平分量、垂直分量和对角线分量进行逆离散小波变换，获取SAR图像水华区域，形式化的表示为，
[0070]；
[0071]其中，表示通过小波注意力分割网络获取SAR图像水华区域。
[0072]根据本专利技术的一个方面，通过小波注意力分割网络对SAR图像进行处理，获取SAR图像水华区域形式化的总结为，
[0073]；
[0074]其中，表示小波注意力分割网络。
[0075]根据本专利技术的一个方面，对小波注意力分割网络进行提取SAR图像水华区域的训练及测试包括：
[0076]根据分割损失对小波注意力分割网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种SAR图像水华区域提取方法，其特征在于，提取方法包括：通过对SAR图像第一特征进行注意力机制和特征精细操作获取第二特征，搭建注意力卷积模块；通过小波注意力分割网络对SAR图像进行处理，获取SAR图像水华区域；其中，注意力卷积模块用于小波注意力分割网络中对SAR图像进行精细处理。2.根据权利要求1所述的SAR图像水华区域提取方法，其特征在于，提取方法还包括：对小波注意力分割网络进行提取SAR图像水华区域的训练及测试。3.根据权利要求1所述的SAR图像水华区域提取方法，其特征在于，搭建注意力卷积模块包括：对SAR图像第一特征进行注意力机制，通过卷积提取第一特征和对第一特征使用函数对特征进行映射，再将映射后的结果与第一特征相乘；计算过程可形式化的表示为，；其中，表示卷积，表示第一特征，表示映射后的结果与第一特征相乘，表示对第一特征进行注意力机制操作后的第一特征结果；再对第一特征结果进行特征精细操作，对第一特征结果进行卷积、批规范化、修正线性单元激活操作和跳转连接，得到第二特征，计算过程可形式化的表示为，；其中，表示第二特征，表示修正线性单元，表示批规范化，表示相加操作；所述搭建注意力卷积模块计算过程可形式化的总结为，；其中，表示注意力卷积模块。4.根据权利要求1所述的SAR图像水华区域提取方法，其特征在于，通过小波注意力分割网络对SAR图像进行处理，获取SAR图像水华区域包括：根据第一级别离散小波变换将SAR图像分解为近似分量、水平分量、垂直分量和对角线分量，分解过程可形式化的表示为，；其中，表示分解得到的近似分量，
表示为分解得到的水平分量，表示为分解得到的垂直分量，表示为分解得到的对角线分量，表示SAR图像，表示离散小波变换；对分解得到的近似分量、水平分量、垂直分量和对角线分量通过注意力卷积模块进行第一级别特征精细操作，可形式化的表示为，；其中，表示为对分解得到的近似分量进行第一级别特征精细后的结果，表示为对分解得到的水平分量进行第一级别特征精细后的结果，表示为对分解得到的垂直分量进行第一级别特征精细后的结果，表示为对分解得到的对角线分量进行第一级别特征精细后的结果。5.根据权利要求1所述的SAR图像水华区域提取方法，其特征在于，通过小波注意力分割网络对SAR图像进行处理，获取SAR图像水华区域还包括：对进行第一级别特征精细操作后的结果、、和进行第二级别离散小波转换的分解过程，可形式化的表示为，；；；；其中，表示对进行第二级别离散小波转换的分解过程后的近似
‑
近似分量、近似
‑
水平分量、近似
‑
垂直分量和近似
‑
对角线分量，表示对进行第二级别离散小波转换的分解过程后水平
‑
近似分量，水平
‑
水平分量，水平
‑
垂直分量，水平

【专利技术属性】
技术研发人员：李冠群，
申请(专利权)人：耕宇牧星北京空间科技有限公司，
类型：发明
国别省市：