基于SAH-Unet的高分辨率遥感影像不透水面提取方法技术

本发明专利技术公开了基于SAH

【技术实现步骤摘要】
基于SAH
‑
Unet的高分辨率遥感影像不透水面提取方法


[0001]本专利技术涉及城市遥感影像数据的信息提取技术，具体是基于SAH
‑
Unet的高分辨率遥感影像不透水面提取方法。

技术介绍

[0002]近年来，随着世界城市化进程的不断加快，造成了城镇面积不断扩张，引发了生物栖息地减少和退化、生物多样性丧失、地表下沉、水源污染等一系列环境问题。快速的城市化造成了不透水面面积增加，美国地质调查局(USGS)将不透水面定义为不允许水渗透的坚硬区域。具体而言，不透水面是指任何天然或人为造成的可以阻碍水源渗透，进而改变洪水径流、物质沉淀和污染剖面的物质，如覆盖有防水材料的建筑物屋顶、停车场和人行道等。总体而言，伴随着全球范围内城市化速度的不断增长，城市不透水面的扩张对城市区域的生态平衡、水文状况及自然生态环境均有着极为重要的影响。为了监测和评估城市可持续发展，2015年联合国提出了17项可持续发展目标(SDGs)，其中SDG11即可持续城市和社区，具体指建设包容、安全、由抵御灾害能力和可持续的城市和人类住区。因此，实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于SAH
‑
Unet的高分辨率遥感影像不透水面提取方法，其特征在于，包括如下步骤：S1、获取目标区域高分辨率遥感影像和对应的OSM数据，基于OSM数据对高分辨率遥感影像进行标注，得到不透水面标签图像；S2、对高分辨率遥感影像及对应不透水面标签图像进行数据预处理，得到不透水面样本数据集；S3、构建用于高分辨率遥感影像特征提取的SAH
‑
Unet模型，其中，SAH
‑
Unet模型以U
‑
Net为骨干网络，在每个编码器的卷积计算之后引入CBAM注意力模块，在解码器添加了支路径以结合上采样步骤中不同尺度的分类结果并进行反向传播和权重更新，采用深度可分离卷积代替U
‑
Net原有卷积运算；S4、将步骤S2得到的目标区域不透水面样本数据集作为网络输入，通过最小化损失函数，利用神经网络优化器对SAH
‑
Unet模型参数进行迭代优化，直至SAH
‑
Unet模型准确检测高分辨率遥感影像中的不透水面；S5、将待识别不透水面的目标高分辨率遥感影像输入训练得到的SAH
‑
Unet模型中，提取影像融合特征并进行逐像素的地物类别预测，得到地物类别为不透水面的区域。2.根据权利要求1所述的基于SAH
‑
Unet的高分辨率遥感影像不透水面提取方法，其特征在于，所述步骤S1中基于OSM数据对高分辨率遥感影像进行标注时，以OSM数据作为掩膜数据并结合目视解译进行纠正，利用ENVI对影像不透水面区域进行标记，并与原始影像位置进行严格配准。3.根据权利要求1所述的基于SAH
‑
Unet的高分辨率遥感影像不透水面提取方法，其特征在于，所述步骤S2包括以下步骤：将高分辨率遥感影像裁剪为图像块，并得到对应的不透水面标签图像块，再将对应裁剪得到的高分辨率遥感影像图像块和不透水面标签图像块作为样本，通过样本筛选、数据增强后，构建为不透水面样本数据集。4.根据权利要求3所述的基于SAH
‑
Unet的高分辨率遥感影像不透水面提取方法，其特征在于...

【专利技术属性】
技术研发人员：常睿春，侯栋，陈喆，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：