[发明专利]卫星遥感图像水体识别方法

权利要求书

1.一种卫星遥感图像水体识别方法，其特征在于包括以下步骤：

第一步，对遥感图像预处理，使用遥感图像处理软件ENVI对原始图像进行辐射定标和大气校正，确保图像的精准性；对处理后的图像进行裁剪，获取研究区对应高分遥感影像，借助遥感图像处理软件ENVI对高分遥感影像进行监督分类，使用最大似然法作为分类依据；

第二步，水体信息特征提取，选用归一化差异水体指数法作为水体信息提取的方法，采用基于MapReduce的分布式水体信息提取模型分别对单幅、两幅、四幅、六幅遥感图像进行水体识别并对比所耗费的时间，同时，引入加速比作为评价指标，计算公式如下：

其中，T₁代表任务在单个节点下的运行所耗费的时间，T_p代表任务在由p个节点构成的并行系统上运行所耗费的时间；

第三步，特征扩充，将每一幅遥感图像看作由许多像素点组成的网格，利用特征扩充算法，挖掘出目标像素点邻近区域像素点的特征，以此作为目标像素的新特征，具体过程如下：

(1)每个网格被映射成为一个像素点，选取一个像素点作为目标像素点o，以目标像素点o为圆心，并以r为半径画圆；

(2)设置目标像素点旳邻近像素点为o_i,j，计算目标像素点与邻近像素点的距离dist(o,o_i,j)；

(3)选取与目标像素点的距离小于给定半径的所有邻近像素点构成目标像素点的相关集；

(4)根据给定的特征算法及公式，计算相关集中的每个像素点相应的特征值，并计算所有邻近像素点的特征值的平均值；

(5)将得到所有的特征平均值作为目标像素点的新特征，构成新的特征集合；

第四步，水体信息精准提取，将第三步扩充后的多个特征值作为模型输入，训练深度学习模型，即堆栈式自动编码器SSAE；堆栈式自动编码器SSAE由若干层稀疏自编码器和Softmax分类器构成，采用逐层贪婪法进行训练，获取栈式自编码神经网络参数，对水体信息进行精准提取。

2.根据权利要求1所述的卫星遥感图像水体识别方法，其特征在于第一步中，遥感影像预处理包括3个步骤：(一)几何精校正与影像配准；(二)图像镶嵌与裁剪；(三)大气校正；具体方法与步骤介绍如下：

(一)几何精校正与影像配准

几何精校正是纠正影像的形状，使处理后的图像里的每个像素点与真实地图或标准影像的像素点一一对应，得到准确的地理坐标，它的具体步骤如下：

第一步：选取地面控制点，包括(1)参考地形图进行控制点的选取；(2)借助全球定位系统在野外选取控制点；(3)直接在完成校正操作的影像上选取；

第二步：建立几何校正模型，包括(1)参照准确的地图，读出选取的所有地面控制点在图像上的像元坐标(x,y)以及其对应的参考地理坐标(X,Y)；(2)利用变换函数进行计算，为每个地面控制点赋予新的地理坐标(X',Y')；(3)通过公式计算(X,Y)与(X',Y')之间的均方根误差RMS；

(二)遥感图像的镶嵌与裁剪

第一步：镶嵌，拼接至少两幅图像构成一幅新的研究区图像，且进行图像镶嵌的所有图像须具有相同或相近的成像时间；

第二步：裁剪，单幅遥感图像通常包含多个区域，对目标区域之外的图像采用矩形块状或按条带进行裁剪；

(三)大气校正

消除遥感图像中存在的地物的反射率偏差，以精确确定地面所有地物的实际反射率。

3.根据权利要求1或2所述的卫星遥感图像水体识别方法，其特征在于第二步中，MapReduce的分布式水体信息提取模型的任务处理流程如下：

(1)数据分块与分配：MapReduce模型接收输入数据，对输入数据进行“分片”操作：将整体任务划分成若干个子任务，即把超大数据集中的数据划分成若干个大小相等的小“数据块”；随后，主节点将子任务分发到模型的从节点进行并行处理；

(2)Map映射：每一个Map任务对应接收并处理一个数据“分片”，将其映射成为一个<key，value>键值对，产生相应的中间结果；

(3)分区与排序：依据key值对中间结果进行排序和合并，将其作为Reduce函数的输入；

(4)Reduce规约：以组为单位对数据进行规约，将key值相同的value值进行合并；

(5)数据输出：将Reduce后最终产生的<key，value>键值对输出。