[发明专利]卫星遥感图像水体识别方法

说明书

本发明涉及遥感图像处理技术领域，是一种卫星遥感图像水体识别方法，包括第一步，对遥感图像预处理；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；第三步，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；第四步，将第三步扩充后的多个特征作为模型输入，训练深度学习模型，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。本发明构建基于深度学习的水体信息抽取模型，涉及图像中邻近像素点与目标点的关联特性，设计并实现特征扩充算法，将图像原始特征与扩充特征相连接，共同训练深度学习模型，实现水体信息的精确提取。

技术领域

本发明涉及遥感图像处理技术领域，是一种卫星遥感图像水体识别方法。

背景技术

随着遥感技术的发展,卫星影像分辨率(包括空间、时间、光谱分辨率)的显著提高，影像校正、增强、融合等处理技术的不断完善，地球表面各种地物的监测都可以不受地理位置、天气和人为的限制，遥感技术越来越显示出它独特的优越性。其中，遥感图像水体信息提取对于水资源调查、洪水灾害预测评估、水利规划、环境监测等起着十分重要的作用。遥感影像成像周期较短,适时性强，并且成像精度日益提高，如果能利用高分辨率影像提取高精度的水体信息，则可以快速、准确、及时地获得水体资源信息，以弥补野外测量的不足。因此，如何提高高分辨率影像的水体信息提取精度、提高信噪比获得更佳质量的水体目标信息，成为科研工作者关注的重点。

现有的水体提取方法都普遍存在一些问题，如自动化程度较低、精度较低等，这使得对海量遥感数据的处理，其时间和工作量都会非常的大，导致其难以赶上信息变化的速度，也难以满足相关部门的要求。因此，提高对地表水体的提取精度相当重要，这也将是今后利用遥感提取地表水体信息值得研究与进一步解决的问题。

发明内容

本发明提供了一种卫星遥感图像水体识别方法，克服了上述现有技术之不足，其能有效解决现有卫星遥感图像水体信息提取方法对高分辨率影像的水体信息提取精度低、信噪比低，造成水体目标信息提取质量低的问题。

本发明的技术方案是通过以下措施来实现的：一种卫星遥感图像水体识别方法，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；