本發(fā)明涉及圖像處理和目標識別，尤其是高空間分辨率光學(xué)遙感影像的細小水體自動化提取方法。

背景技術(shù)：

1、遙感技術(shù)因為其處理速度快、自動化程度高、實時動態(tài)監(jiān)測、探測范圍廣等優(yōu)點，目前已被廣泛應(yīng)用于大比例尺地形圖測繪、土地資源管理、生態(tài)環(huán)境監(jiān)測、水利資源評價等。遙感影像信息提取的自動化程度直接影響大規(guī)模的數(shù)據(jù)生產(chǎn)、廣泛的行業(yè)應(yīng)用以及數(shù)據(jù)的充分利用。目前，遙感影像數(shù)據(jù)經(jīng)過“外業(yè)采集、影像預(yù)處理、產(chǎn)品生產(chǎn)”等步驟，可快速高效、全自動化地獲取區(qū)域多尺度長時序空間信息，為地表水的動態(tài)觀測提供了有效的方法。高空間分辨率光學(xué)遙感影像能夠區(qū)分出更加詳細的地面目標，為城市地表水的監(jiān)測提供更加豐富的信息，有效的克服了中低分辨率光學(xué)遙感影像無法獲取城市地表細小水體的問題。

2、目前，利用光學(xué)遙感影像進行水體提取的傳統(tǒng)方法主要有單波段或多波段閾值法、水體指數(shù)法。由于不同區(qū)域水體和土地特征差異很大，單波段或多波段閾值法、水體指數(shù)法，僅在背景相對單一、波段較為豐富的遙感影像中取得了較高的水體提取精度。對于波段信息較少的高空間分辨率光學(xué)遙感影像而言，復(fù)雜背景下的城市區(qū)域的地表水體的提取仍舊存在著大量的錯提和誤提的現(xiàn)象。深度學(xué)習(xí)可以從原始圖像數(shù)據(jù)集中進行無監(jiān)督的特征學(xué)習(xí)，能夠有效的避免人工特征提取的局限性，已被廣泛的用于高空間分辨率遙感影像的信息提取。但現(xiàn)有地表水體的深度學(xué)習(xí)提取方法，主要集中基于圖像塊的卷積神經(jīng)元網(wǎng)絡(luò)來提取地表水體。由于在分類時圖像的分類是按照切割的整個圖像塊進行，該圖塊僅與一個標簽相關(guān)聯(lián)，基于圖像塊進行地表水體提取僅產(chǎn)生粗略地圖。全卷積神經(jīng)網(wǎng)絡(luò)能夠捕獲大量上下文信息，獲取具有更高區(qū)分度的抽象特征，并提高圖像的分類精度。因此，研究高空間分辨率光學(xué)遙感影像細小水體自動化提取技術(shù)迫切且必要。

3、在當前技術(shù)條件下，基于深度學(xué)習(xí)的城市區(qū)域水體提取技術(shù)，主要面臨如下挑戰(zhàn)：1)受遙感影像工藝條件限制，水體的光譜和紋理信息與建筑物的陰影具有高度相似性，在城市高層建筑物密集區(qū)水體的提取受到建筑物陰影的影響，水體提取的結(jié)果存在著大量的誤分；2)城市區(qū)域水體由大量小型河流湖泊與較大水體交織組成，深度卷積神經(jīng)元網(wǎng)絡(luò)易導(dǎo)致大量高頻細節(jié)特征丟失，城市區(qū)域中的細小水體存在大量漏提的問題；3)現(xiàn)有深度學(xué)習(xí)在城市區(qū)域水體提取中的研究較少，缺少可供利用的公開城市水體影像數(shù)據(jù)集，要針對具體研究領(lǐng)域訓(xùn)練一個優(yōu)秀的深度學(xué)習(xí)模型，數(shù)據(jù)量通常不足。因此，如何在數(shù)據(jù)有限的前提下，盡可能地提高模型性能是當前該領(lǐng)域所要解決的首要問題。為了更好利用偽孿生網(wǎng)絡(luò)減少深度卷積神經(jīng)網(wǎng)絡(luò)下采樣造成的特征丟失，提升城市細小水體的提取精度，本發(fā)明設(shè)計了高空間分辨率光學(xué)遙感影像細小水體自動化提取技術(shù)，以解決上述問題。

技術(shù)實現(xiàn)思路

1、為了克服上述現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供高空間分辨率光學(xué)遙感影像的細小水體自動化提取方法。

2、為實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案，包括：

3、高空間分辨率光學(xué)遙感影像的細小水體自動化提取方法，包括以下步驟：

4、步驟一、對遙感影像進行預(yù)處理；

5、步驟二、基于預(yù)處理后的遙感影像，制作水體樣本集，樣本數(shù)據(jù)由遙感影像和對應(yīng)的標簽圖像構(gòu)成；

6、步驟三、構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)，并利用水體樣本集進行網(wǎng)絡(luò)訓(xùn)練，得到深度學(xué)習(xí)模型；深度學(xué)習(xí)模型用于對遙感影像中進行水體初始提取，獲得水體初始提取結(jié)果；

7、步驟四，基于建筑物陰影去除方法消除水體初始提取結(jié)果中的建筑物陰影，完成水體的精確提取，獲得水體精確提取結(jié)果。

8、優(yōu)選的，步驟二中，

9、首先，對遙感影像中的目標水體進行繪制，其中，水體的繪制遵循三個的標準：第一、將目視條件下能識別出的水體直接進行水體繪制；第二、將寬度小于2個像素的細長水體使用線要素繪制；第三，將寬度不小于2個像素的水體使用面狀要素繪制；

10、然后，在屬性表內(nèi)定義水體和非水體像素值分別為1和0，將矢量文件轉(zhuǎn)為柵格文件，像元大小與遙感影像一致，對像素點rgb進行填充，水體為白色，非水體為黑色，生成一張與遙感影像大小相同的水體二值圖像，即標簽圖像；

11、最后，對所有遙感影像和對應(yīng)的標簽圖像進行批量切片，獲得的遙感影像切片與標簽圖像切片大小一致且相互對應(yīng)，對切片后的樣本數(shù)據(jù)進行篩選，剔除無效樣本數(shù)據(jù)，構(gòu)成水體樣本集。

12、優(yōu)選的，步驟三中，所述深度卷積神經(jīng)網(wǎng)絡(luò)由并行自學(xué)習(xí)模塊、多特征融合模塊和解碼模塊構(gòu)成。

13、優(yōu)選的，分別建立水體提取的空間感知子網(wǎng)絡(luò)和上下文語義信息感知子網(wǎng)絡(luò)，再利用偽孿生神經(jīng)網(wǎng)絡(luò)思想構(gòu)建這兩種特征的并行自學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)成顧及空間與上下文信息的多特征多層次并行自學(xué)習(xí)模塊。

14、優(yōu)選的，其特征在于，所述空間感知子網(wǎng)絡(luò)由2個密集連接塊和1個轉(zhuǎn)換層組成，所述上下文語義信息感知子網(wǎng)絡(luò)由5個密集連接塊和4個轉(zhuǎn)換層組成；相鄰兩個密集連接塊之間通過一個轉(zhuǎn)換層進行連接，并利用轉(zhuǎn)換層進行下采樣和池化操作，從遙感影像中提取特征信息；

15、單個密集連接塊內(nèi)，層與層之間使用組合函數(shù)fl進行非線性轉(zhuǎn)換，密集連接塊的定義公式如下：

16、xl＝fl(.)＝fl([x0,x1,…,xl-1])

17、其中，xl是l層的輸出特征圖，[x0,x1,…,xl-1]是l層前的所有層的特征映射的拼接。

18、優(yōu)選的，多特征融合模塊采用densenets網(wǎng)絡(luò)，將具有語義信息與具有空間信息的細節(jié)特征融合整合為兼顧空間位置信息和語義信息的特征，為解碼模塊提供有效的特征。

19、優(yōu)選的，解碼模塊通過局部注意力多特征融合卷積層，進行累積解碼，同時結(jié)合對應(yīng)層次的全面特征描述，實現(xiàn)上采樣解碼；

20、最后，深度卷積神經(jīng)網(wǎng)絡(luò)通過一個包含softmax分類器的卷積層，經(jīng)過卷積操作將輸出結(jié)果恢復(fù)為與輸入的遙感圖像長寬一致的水體二值圖像，從而對待識別的遙感影像中的水體進行提取，獲得水體初始提取結(jié)果。

21、優(yōu)選的，步驟四中，通過臨近關(guān)系分析和緩沖區(qū)分析的方式，檢測并刪除水體初始提取結(jié)果中的建筑物陰影，然后將刪除建筑物陰影后的水體使用粘連變換的方式，消除建筑物的破碎圖斑，最后完成精確水體的提取，得到水體精確提取結(jié)果。

22、優(yōu)選的，步驟一中，獲取城市區(qū)域的遙感影像，對遙感影像進行預(yù)處理，包括輻射定標、大氣校正、幾何校正、圖像融合和圖像鑲嵌。

23、一種計算機程序產(chǎn)品，其包括計算機程序/指令，該計算機程序/指令被處理器執(zhí)行時實現(xiàn)上述的高空間分辨率光學(xué)遙感影像的細小水體自動化提取方法。

24、本發(fā)明的優(yōu)點在于：

25、本發(fā)明公開了高空間分辨率光學(xué)遙感影像細小水體自動化提取技術(shù)，針對當前城市區(qū)域水體智能提取中存在細小水體丟失，受到建筑物陰影的嚴重影響問題，將人眼視覺認知相關(guān)理論與深度學(xué)習(xí)模型相結(jié)合，構(gòu)建偽孿生神經(jīng)網(wǎng)絡(luò)和densenets深度學(xué)習(xí)模型，實現(xiàn)高空間分辨率光學(xué)遙感影像多特征并行自學(xué)習(xí)和多特征整合，減少建筑物陰影對水體提取精度的影響。本發(fā)明在應(yīng)用上，取得具有實用價值的高空間分辨率光學(xué)遙感影像城市區(qū)域水體全自動分類技術(shù)，提升城市區(qū)域細小水體提取的精度，實現(xiàn)城市區(qū)域水體的完整提取，極大地提高了城市區(qū)域水體提取的效率。