[发明专利]一种适用于颜色敏感的卫星遥感影像水体识别方法

说明书

本发明公开一种适用于颜色敏感的卫星遥感影像的水体识别方法，下载卫星遥感的光谱影像数据，完成数据采集；标注影像数据的水体和非水体部分，存储于云端服务器；对获取的数据进行光谱特征融合处理，融合多通道的影像光谱信息；构建水体识别网络模型，并对网络模型进行优化训练；将待检测的光谱影像数据输入水体识别网络模型，预测出每个像素是水和非水的概率，从而识别出影像中的水体。本发明融合卫星光谱通道数据，利用神经网络提高识别水体准确率，避免识别过程中的错识别、漏识别现象，尤其是能够大大提升颜色敏感类影像中水体的识别效果，大幅度提高了低分辨率、低亮度的多光谱影像中水体识别的准确率。

技术领域

本发明属于水体识别技术领域，特别是涉及一种适用于颜色敏感的卫星遥感影像水体识别方法。

背景技术

水体识别是水体污染检测的前提，其准确度直接影响后续的污染物含量和污染范围的计算，是卫星遥感和自动化环境监测应用的重要一环。RGB(红绿蓝)三通道颜色机制和人眼成像机制相似，在卫星遥感中具有较高的分辨率以获得接近人眼实际观测的遥感影像。RGB图像对可见颜色敏感图像往往识别率较高，但是水体颜色受到天气、环境、泥沙含量等多种因素的影响，RGB波段往往对于这些影响带来的颜色变化不敏感，所以识别率不高。

由于遥感测量中的水体存在不同形态，不同颜色，不同尺寸的特征，现有的识别方式仅使用RGB三通道的图像对遥感影像中的水体进行识别，对非可见颜色敏感类影像的识别效果欠佳，会有很多错识别、漏识别的情况，同时对于极细小河流，利用传统方法识别会出现断流现象。

发明内容

为了解决上述问题，本发明提出了一种适用于颜色敏感的卫星遥感影像水体识别方法，融合卫星光谱通道数据，利用深度人工神经网络学习，提高识别水体准确率，避免识别过程中的错识别、漏识别等现象，尤其是能够大大提升颜色敏感的卫星遥感影像中水体的识别效果，大幅度提高了低分辨率、低亮度的光谱影像中水体识别的准确率。

为达到上述目的，本发明采用的技术方案是：一种适用于颜色敏感的卫星遥感影像水体识别方法，包括步骤：

S100，数据采集和存储，下载卫星遥感的光谱影像数据；标注影像数据中水体和非水体部分，存储于云端服务器；

S200，对获取的数据进行光谱特征融合处理，融合多通道的影像光谱信息；

S300，构建水体识别网络模型，并对网络模型进行优化训练；

S400，将待检测的光谱影像数据输入水体识别网络模型，预测出每个像素是水和非水的概率，从而识别出影像中的水体。

进一步的是，所述影像光谱信息包括RGB三通道光谱、NIR通道光谱和SWIR通道光谱。

进一步的是，在所述步骤S300中通过水体识别网络模型识别影像中的水体，包括步骤：

S301，将不同尺度的光谱影像提炼到相同大小并串联起来，输入下一层神经网络；

S302，由sigmoid函数层预测出每个像素是水和非水的概率，从而识别出影像中的水体。

进一步的是，在所述步骤S301中将不同尺度的光谱影像提炼到相同大小并串联，包括步骤：

通过初始卷积将光谱影像中高分辨率或大尺寸影像的RGB通道光谱影像和NIR通道光谱影像的大小缩小到和SWIR波段光谱影像相同；

通过神经网络融合操作，将相同大小的RGB光谱影像、NIR光谱影像及SWIR光谱影像串联起来，得到特征图；

将串联后的特征图输入到卷积层，适配融合特征通道数到下一层神经网络的输入通道。