一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法技术

本发明专利技术提出一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法。本发明专利技术的发明专利技术点主要在于提出一种针对亚米级高分辨率卫星遥感影像的基于Deeplabv3+语义分割方法结合矢量交集取反操作的洪涝监测流程，优点在于充分利用亚米级遥感影像的空间分辨率高这一重要特点，学习像素的空间信息，使用该方法对亚米级高分辨率卫星遥感影像中洪涝进行监测适应性强，提取效果十分理想，边界精准，且对于淹没程度较轻的区域提取效果也较为理想。轻的区域提取效果也较为理想。轻的区域提取效果也较为理想。

【技术实现步骤摘要】
一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法


[0001]本专利技术属于高分辨率卫星遥感影像数据挖掘
，特别是涉及一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法。

技术介绍

[0002]洪水作为一种极为严重的自然灾害，其破坏性极强，对人类生命财产构成了严重的威胁。洪涝灾害破坏范围广，并且造成的损失巨大，对人类生存环境和社会经济产生的破坏不可估量。因此，边界精准、分辨率高、区域尺度大的洪涝监测对抢险救灾和灾后重建起到至关重要的作用。
[0003]现有的洪涝灾害监测方法主要包括三类：基于卫星遥感的洪涝灾害监测、基于无人机的洪涝监测和基于物联网的洪涝灾害监测。其中卫星遥感手段可快速、大范围获取地表宏观、动态信息，对洪涝灾害的发生范围、变化情况进行全方位监控，是应急部门不可或缺的技术手段。尤其是亚米级高分辨率卫星遥感影像同时含有高分辨率和大幅宽的优点，可以同时兼顾洪涝监测的精细程度和广度。
[0004]洪涝灾害监测的关键在于洪灾发生时淹没区的识别，即受灾地区水体的识别。常用的水体提取方法包括传统的卫星遥感影像水体识别方法，和基于机器学习的方法，前者主要包括：阈值法、波段运算法和谱间分析法等，这些方法大都基于水体在影像中的光谱特性来提取水体信息的，后者也更多的关注于光谱信息而忽略了空间信息。因为水体特征在不同地区获取的亚米级高分辨率卫星影像中存在差异，而且亚米级高分辨率卫星遥感影像的波段数量少，影像尺度较大，所以异物同谱和同物异谱现象十分明显，会影响水体与非水体的区分，因此当前技术无法满足高精度、高分辨率的水体识别要求。

技术实现思路

[0005]本专利技术目的是针对相关洪涝卫星遥感监测方法不能很好地用于亚米级高分辨率卫星遥感影像中水体提取的问题，提出了一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法。
[0006]本专利技术是通过以下技术方案实现的，本专利技术提出一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法，所述提取方法具体为：
[0007]步骤1：获取灾前无云的亚米级卫星遥感影像，选取若干影像样本加以标注，制作成灾前水体样本集，用于训练灾前水体提取模型，通过模型预测得到灾前水体提取结果；
[0008]步骤2：获取灾后云量小的亚米级卫星遥感影像，选取若干影像样本加以标注，制作成灾后水体样本集，用于训练灾后水体提取模型，通过模型预测得到灾后水体提取结果；
[0009]步骤3：将步骤1和步骤2得到的灾前、灾后水体提取结果进行矢量交集取反操作，得到最终洪涝淹没区域提取结果；在步骤3中需要将栅格形式的灾前、灾后水体提取结果转换成矢量形式，然后进行矢量交集取反操作；所述矢量交集取反操作是指获取两个图层不重叠的部分输出到新要素类中。
[0010]进一步地，在步骤1中，获取灾前无云的亚米级卫星遥感影像，影像选择包含Red、Green、Blue三个波段的可视化产品，数据形式为无符号整型8位。
[0011]进一步地，在步骤1中，从影像中勾画425个大小为512像素
×
512像素的影像样本，并进行标注，形成灾前水体样本集，其中水体像素对应的标签值为1，非水体对应的标签值为0。
[0012]进一步地，在步骤1中，随机将样本集按照4:1的比例划分成训练集和验证集，输入Deeplabv3+语义分割网络中训练灾前水体提取模型，最后通过模型预测得到灾前水体提取结果。
[0013]进一步地，在步骤2中，获取灾后云量小的亚米级卫星遥感影像，影像选择包含Red、Green、Blue三个波段的可视化产品，数据形式为无符号整型8位。
[0014]进一步地，在步骤2中，从影像中勾画425个大小为512像素
×
512像素的影像，并进行标注，形成灾后水体样本集。
[0015]进一步地，在步骤2中，将样本集按照4:1的比例随机划分成训练集和验证集，输入Deeplabv3+网络中训练灾后水体提取模型，最后通过模型预测得到灾后水体提取结果。
[0016]进一步地，在步骤1和步骤2中，网络模型优化均采用Adam优化器,初始学习率设置为0.0001，权重衰减率0.001，损失函数采用SoftCrossEntropyLoss结合DiceLoss。
[0017]本专利技术提出一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法的步骤。
[0018]本专利技术提出一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时实现所述一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法的步骤。
[0019]本专利技术具有以下有益效果：
[0020]相较于其他洪涝监测方法，本专利技术的专利技术点主要在于提出一种针对亚米级高分辨率卫星遥感影像的基于Deeplabv3+语义分割方法结合矢量交集取反操作的洪涝监测流程，优点在于充分利用亚米级遥感影像的空间分辨率高这一重要特点，学习像素的空间信息，使用该方法对亚米级高分辨率卫星遥感影像中洪涝进行监测适应性强，提取效果十分理想，边界精准，且对于淹没程度较轻的区域提取效果也较为理想。
附图说明
[0021]图1是本专利技术实施例提供的亚米级高分辨率卫星影像中洪涝淹没区域提取方法流程图。
[0022]图2是本专利技术实施例提供的灾前亚米级高分辨率卫星遥感影像图。
[0023]图3是本专利技术实施例提供的灾前水体提取结果图。
[0024]图4是本专利技术实施例提供的灾后亚米级高分辨率卫星遥感影像图。
[0025]图5是本专利技术实施例提供的灾后水体提取结果图。
[0026]图6是本专利技术实施例提供的洪涝淹没区域提取结果图。
[0027]图7是本专利技术实施例提供的部分影像样本和标注图。
具体实施方式
[0028]下面将结合本专利技术实施例中的附图对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0029]洪涝淹没区域的提取，重点在于灾前和灾后水体的提取，首先选取灾前的一期无云的亚米级高分辨率卫星遥感影像用于获取洪涝灾前的水体分布情况，灾后的一期云量较少的亚米级高分辨率卫星遥感影像用于获取洪涝灾后的水体分布情况。获取水体分布的流程主要包括样本选取、模型训练、结果预测几个步骤。雨水聚集于地表导致洪涝的出现，相对于灾前，灾后新增水体覆盖的区域就是被强降雨洪涝淹没的区域，因此同一区域的灾前和灾后的水体分布矢量经过交集取反操作得到水体扩张范围，由此得到亚米级高分辨率卫星遥感影像的洪涝淹没区域提取结果。
[0030]结合图1，本专利技术提出一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法，所述提取方法具体为：
[0031]步骤1：获取灾前无云的亚米级卫星遥感影像，选取若干影像样本加以标注本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法，其特征在于，所述提取方法具体为：步骤1：获取灾前无云的亚米级卫星遥感影像，选取若干影像样本加以标注，制作成灾前水体样本集，用于训练灾前水体提取模型，通过模型预测得到灾前水体提取结果；步骤2：获取灾后云量小的亚米级卫星遥感影像，选取若干影像样本加以标注，制作成灾后水体样本集，用于训练灾后水体提取模型，通过模型预测得到灾后水体提取结果；步骤3：将步骤1和步骤2得到的灾前、灾后水体提取结果进行矢量交集取反操作，得到最终洪涝淹没区域提取结果；在步骤3中需要将栅格形式的灾前、灾后水体提取结果转换成矢量形式，然后进行矢量交集取反操作；所述矢量交集取反操作是指获取两个图层不重叠的部分输出到新要素类中。2.根据权利要求1所述的方法，其特征在于，在步骤1中，获取灾前无云的亚米级卫星遥感影像，影像选择包含Red、Green、Blue三个波段的可视化产品，数据形式为无符号整型8位。3.根据权利要求2所述的方法，其特征在于，在步骤1中，从影像中勾画425个大小为512像素
×
512像素的影像样本，并进行标注，形成灾前水体样本集，其中水体像素对应的标签值为1，非水体对应的标签值为0。4.根据权利要求3所述的方法，其特征在于，在步骤1中，随机将样本集按照4:1的比例划分成训练集和验证集，输入Deeplabv3+语义...

【专利技术属性】
技术研发人员：李彤，王春月，范昕桐，徐贵贵，江汇男，
申请(专利权)人：长光卫星技术股份有限公司，
类型：发明
国别省市：