【技术实现步骤摘要】
本专利技术涉及图像处理和目标识别，尤其是高空间分辨率光学遥感影像的细小水体自动化提取方法。
技术介绍
1、遥感技术因为其处理速度快、自动化程度高、实时动态监测、探测范围广等优点，目前已被广泛应用于大比例尺地形图测绘、土地资源管理、生态环境监测、水利资源评价等。遥感影像信息提取的自动化程度直接影响大规模的数据生产、广泛的行业应用以及数据的充分利用。目前，遥感影像数据经过“外业采集、影像预处理、产品生产”等步骤，可快速高效、全自动化地获取区域多尺度长时序空间信息，为地表水的动态观测提供了有效的方法。高空间分辨率光学遥感影像能够区分出更加详细的地面目标，为城市地表水的监测提供更加丰富的信息，有效的克服了中低分辨率光学遥感影像无法获取城市地表细小水体的问题。
2、目前，利用光学遥感影像进行水体提取的传统方法主要有单波段或多波段阈值法、水体指数法。由于不同区域水体和土地特征差异很大，单波段或多波段阈值法、水体指数法，仅在背景相对单一、波段较为丰富的遥感影像中取得了较高的水体提取精度。对于波段信息较少的高空间分辨率光学遥感影像而言，复杂...
【技术保护点】
1.高空间分辨率光学遥感影像的细小水体自动化提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的高空间分辨率光学遥感影像的细小水体自动化提取方法，其特征在于，步骤二中，
3.根据权利要求1所述的高空间分辨率光学遥感影像的细小水体自动化提取方法，其特征在于，步骤三中，所述深度卷积神经网络由并行自学习模块、多特征融合模块和解码模块构成。
4.根据权利要求3所述的高空间分辨率光学遥感影像的细小水体自动化提取方法，其特征在于，分别建立水体提取的空间感知子网络和上下文语义信息感知子网络，再利用伪孪生神经网络思想构建这两种特征的并行自...
【技术特征摘要】
1.高空间分辨率光学遥感影像的细小水体自动化提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的高空间分辨率光学遥感影像的细小水体自动化提取方法，其特征在于，步骤二中，
3.根据权利要求1所述的高空间分辨率光学遥感影像的细小水体自动化提取方法，其特征在于，步骤三中，所述深度卷积神经网络由并行自学习模块、多特征融合模块和解码模块构成。
4.根据权利要求3所述的高空间分辨率光学遥感影像的细小水体自动化提取方法，其特征在于，分别建立水体提取的空间感知子网络和上下文语义信息感知子网络，再利用伪孪生神经网络思想构建这两种特征的并行自学习网络结构，构成顾及空间与上下文信息的多特征多层次并行自学习模块。
5.根据权利要求4所述的高空间分辨率光学遥感影像的细小水体自动化提取方法，其特征在于，所述空间感知子网络由2个密集连接块和1个转换层组成，所述上下文语义信息感知子网络由5个密集连接块和4个转换层组成；相邻两个密集连接块之间通过一个转换层进行连接，并利用转换层进行下采样和池化操作，从遥感影像中提取特征信息；
6.根据权利要求4所述的高空间分辨率光学遥感影像的细小水体自动化...
【专利技术属性】
技术研发人员：杨辉，王春林，王彪，徐升，潘成荣，秦军，张曦，张蕊，孙金彦，
申请(专利权)人：安徽大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。