一种基于互导学习的半监督浒苔检测方法及系统技术方案

本发明专利技术一种基于互导学习的半监督浒苔检测方法及系统，涉及可见光遥感图像场景识别技术领域，包括四大步骤：步骤一，数据预处理与标注；步骤二，构建卷积神经网络模型；步骤三，进行网络模型的互导学习；步骤四，使用训练完毕的两个网络进行浒苔检测并将结果进行加权融合。本发明专利技术针对监督分类中遥感影像浒苔检测标注数据少的问题，通过设计高置信度伪标签策略结合数据增强来高效利用无标注数据，扩充样本数据集，提高训练模型精度，实现高质量的遥感影像浒苔检测，为大规模浒苔爆发时的灾情监测提供技术支撑。提供技术支撑。提供技术支撑。

【技术实现步骤摘要】
一种基于互导学习的半监督浒苔检测方法及系统


[0001]本专利技术涉及可见光遥感图像场景识别
，特别是涉及一种基于互导学习的半监督浒苔检测方法、系统及存储介质。

技术介绍

[0002]目前，针对遥感影像浒苔检测主要方法有阈值法、分类法和辐射传输反演法等。阈值法通过对各波段或植被指数设定阈值分离浒苔与背景，包括固定阈值法和自适应阈值法，是最广泛应用的方法。
[0003]由于遥感影像间的光谱差异，固定阈值难以确定，自适应阈值法虽可调节阈值，但对于影像中不存在明显灰度差异或者灰度值范围有较大重叠时，难以得到准确结果。另外，阈值法仅仅考虑了灰度信息而没有考虑图像的空间信息，这些会导致遥感影像中浒苔的错检、漏检情况。
[0004]基于神经网络的分类法是近年来主要研究方法，强大的特征学习能力使得浒苔检测精准度有基本的保障，其中以监督分类为主。但监督分类需要大量精准的浒苔先验信息，对解译人员的要求比较高。

技术实现思路

[0005]针对遥感影像标注样本少问题，本专利技术提供了一种基于互导学习的半监督浒苔检测方法及系统，基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于互导学习的半监督浒苔检测方法，其特征在于，包括：对遥感影像进行预处理与标注；构建基于卷积神经网络模型UNet的浒苔检测模型；互导学习所述浒苔检测模型，包括：通过有标签数据预训练两个初始化参数不同的UNet网络模型；使用两个UNet网络模型分别对未标注数据集合进行预测生成相应伪标签集，并将对应伪标签进行加权融合生成相应的伪标签集合；然后根据伪标签选择策略在融合后伪标签集中挑选出高置信度伪标签数据同时结合数据增强操作与带标签数据混合重新训练网络模型，并在此过程中更新有标注数据集和未标注数据集，迭代学习，直到未标注数据集为空；分别使用训练之后的两个浒苔检测模型测试浒苔数据，并对预测结果进行加权融合。2.根据权利要求1所述的一种基于互导学习的半监督浒苔检测方法，其特征在于，所述预处理，包括：卫星影像的辐射定标、大气校正、几何校正、NDVI提取以及影像上浒苔分布区域分割。3.根据权利要求1所述的一种基于互导学习的半监督浒苔检测方法，其特征在于，所述标注，包括：根据经纬度进行海陆分离；人工手动结合阈值法辅助进行浒苔标注。4.根据权利要求1所述的一种基于互导学习的半监督浒苔检测方法，其特征在于，所述伪标签选择策略，包括：针对两个UNet网络模型生出的伪标签，采用交叉熵损失作为量化指标，确定两个伪标签的相似度；选择相似度排名靠前的预设个伪标签作为高置信度伪标签。5.根...

【专利技术属性】
技术研发人员：初佳兰，张蔡辉，陈艳拢，任鹏，
申请(专利权)人：国家海洋环境监测中心，
类型：发明
国别省市：