基于多尺度残差注意力模型的SAR影像水体提取方法技术

本发明专利技术公开了一种基于多尺度残差注意力模型的SAR影像水体提取方法，步骤如下：首先对SAR原影像进行预处理和标签制作，得到模型的训练集和测试集；其次针对遥感影像中水体形态各异问题，模型的编码器被设计成多尺度残差模块；针对狭窄水域识别准确率低的问题，模型的解码器采用嵌套式结构；最后在每层编码器后面加上细化注意力模块(SC

【技术实现步骤摘要】
基于多尺度残差注意力模型的SAR影像水体提取方法


[0001]本专利技术涉及遥感影像处理，特别是一种基于多尺度残差注意力模型的SAR影像水体提取方法。

技术介绍

[0002]湖泊是陆地生态系统的重要组成部分，在维护生态平衡、洪水分流和生活用水方面发挥着重要作用。湖面积作为湖泊形态最重要的参数之一，其变化反映了水资源管理和防洪水库环境变化，直接影响着人类的生产和生活。随着遥感技术的飞速发展，大量遥感卫星数据可用于监测水体。但光学卫星无法穿透云层来提供更多有用的水体信息，导致光学卫星数据很难用于湖泊水面的实时监测。目前，SAR的出现解决了云干扰的棘手问题，因为它具有强大的穿透能力，无论气象条件如何，都能克服云或雾的障碍。此外，SAR还可以弥补可见光数据不能提供夜间影像的空缺。
[0003]在过去的几年中，大量基于SAR的水体分割方法如雨后春笋般涌现，主要分为无监督和有监督两大类。其中，基于自适应阈值分割的无监督方法是最常见的水提取算法，它基于水的后向散射系数远低于SAR中其他物体的后向散射系数来分割水体。目前的自动阈值分割方法包括OSTU方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度残差注意力模型的SAR影像水体提取方法，其特征在于，包括以下步骤：(1)针对狭窄水域识别准确率低的问题，引入嵌套式连接的解码器结构，该结构使用上采样和几个短跳连接代替长跳连接；嵌套式解码器能够抑制语义间隙的影响，保留更多的信息，从而获得更好的分割结果；针对遥感影像中水体形态各异问题，提出一个基于多尺度残差和注意力构成的水体分割网络；多尺度残差模块能够分析不同尺度的目标，提取更深层次的高级特征信息；为了获得准确和连续的水体边界，在每层编码器后面加上细化注意力模块，用来融合空间特征中丰富的语义信息和通道特征中准确的位置信息，以逐步细化分割细节来避免水体边界信息的丢失；(2)获取SAR影像，对源影像进行预处理，获得模型的训练数据集和测试数据集；(3)通过水体在SAR影像中散射系数低，呈现的颜色比较深的特点来制作标签；(4)建立多尺度残差注意力模型的SAR影像水体提取方法；(5)设置模型的超参数、总训练次数、学习率、动量参数、权重衰减参数，经过反复调整和对比试验得到最佳参数，以得到最佳水体分割模型；(6)使用测试集测试训练好的模型，并通过和传统模型对比，最终验证本发明模型在水体分割方面的优越性。2.根据权利要求1所述的一种基于多尺度残差注意力模型的SAR影像水体提取方法，其特征在于，所述步骤(2)具体为：对SAR影像完成辐射校准、地形校正和对数转换以及相干斑滤波预处理；将SAR双极化数据和衍生得来的SDWI数据叠加组合成新的三通道影像，将新影像作为模型的输入，SDWI公式如下：K
SDWI
＝ln(10
×
VV
×
VH)(1)其中，K
SDWI
表示波段运算的结果值，VV和VH表示SAR双极化数据；SDWI参考借鉴了归一化水指数NDWI，利用SAR双极化数据之间的波段运算来增强水体特征，取得了较好的水体信息提取效果。3.根据权利要求1所述的一种基于多尺度残差注意力模型的SAR影像水体提取方法，其特征在于，所述步骤(3)具体为：(3.1)对每幅SAR影像进行标注，得到水域和非水域区域的二分类标签；(3.2)保持每个模型的输入大小一致；(3.3)对处理后的图像和标签进行裁剪，最终得到模型的训练数据集、验证数据集以及测试数据集。4.根据权利要求1所述的一种基于多尺度残差注意力模型的SAR影像水体提取方法，其特征在于，所述步骤(4)具体为：(4.1)针对遥感影像中水体形态各异问题，提出一个基于多尺度残差模块和细化注意力模块构成的水体分割模型；多尺度残差模块能够分析...

【专利技术属性】
技术研发人员：孙岩，张永宏，马光义，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：