基于SNDI与深度学习相结合的含盐水体提取方法技术

本发明专利技术公开了一种基于SNDI与深度学习相结合的含盐水体提取方法。所述训练方法包括：获取遥感影像数据；计算SNDI指数；利用SNDI指数进行区域筛选，获得初步掩模；进行修正及优化，获得二次掩模；至少将二次掩模与遥感影像数据叠加后作为训练数据，并对训练数据进行标记，获得训练集；利用训练集对多通道深度学习网络进行迭代更新，获得含盐水体提取模型。本发明专利技术通过初步筛选得到用于提示盐湖水体区域的初步掩模并对初步掩模进行修正，利用修正后的掩模与遥感影像数据的结合进行深度学习模型的训练，所得到的模型可以根据不同的图像特征自动优化和调整阈值，使其适用于不同季节、光照和污染条件下的遥感影像，减少误分类的可能性。

【技术实现步骤摘要】

本专利技术涉及地理遥感，尤其涉及一种基于sndi与深度学习相结合的含盐水体提取方法。

技术介绍

1、在遥感影像中，水体的提取通常依赖于水体指数(如ndwi、mndwi、awei、ndvi)，这些传统的指数模型利用不同波段的光谱特征差异来区分水体和非水体区域。然而，含盐水体在可见光和近红外波段的反射特性与一般淡水有较大差异，传统水体指数的提取精度较低。

2、例如，ndwi(normalized difference water index)：利用绿波段和近红外波段的差异来检测水体。mndwi(modified normalized difference water index)：基于绿波段和短波红外波段，适用于建筑环境中水体检测，抑制建筑物、土壤等干扰。awei(automatedwater extraction index)：用于自动水体提取，适合含有大量阴影干扰的复杂场景。

3、此外，一种较为特殊的水体指数sndi的原理是基于高盐度水体在蓝波段和近红外(nir)波段上的光谱反射特性。高盐度水体在近红外波段(nir)表现出更低的反射本文档来自技高网...

【技术保护点】

1.一种基于SNDI与深度学习相结合的含盐水体提取模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的训练方法，其特征在于，具体包括：

3.根据权利要求1所述的训练方法，其特征在于，SNDI指数的计算方式表示为：

4.根据权利要求1所述的训练方法，其特征在于，所述区域筛选采用固定阈值的方式进行，具体包括：

5.根据权利要求1所述的训练方法，其特征在于，对所述初步掩模进行修正及优化的过程具体包括：

6.根据权利要求5所述的训练方法，其特征在于，还包括：

7.根据权利要求1所述的训练方法，其特征在于，所述多通道深...

【技术特征摘要】

1.一种基于sndi与深度学习相结合的含盐水体提取模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的训练方法，其特征在于，具体包括：

3.根据权利要求1所述的训练方法，其特征在于，sndi指数的计算方式表示为：

4.根据权利要求1所述的训练方法，其特征在于，所述区域筛选采用固定阈值的方式进行，具体包括：

5.根据权利要求1所述的训练方法，其特征在于，对所述初步掩模进行修正及优化的过程具体包括：

6.根据权利要求5所述的训练...

【专利技术属性】
技术研发人员：陈亮，王建萍，凌智永，余冬梅，赵春涛，
申请(专利权)人：中国科学院青海盐湖研究所，
类型：发明
国别省市：