[发明专利]一种融合光谱特征及多尺度空间特征的冰湖提取方法

权利要求书

1.一种融合光谱特征及多尺度空间特征的冰湖提取方法，其特征在于，包括以下步骤：

步骤1，将冰湖遥感图像输入到预训练好的VGG16网络中，得到不同尺度的卷积层；同时得到冰湖遥感图像的水体指数NDWI光谱特征图；所述不同尺度的卷积层包括深层卷积层、中层卷积层及浅层卷积层，每个卷积层包括不同尺度的冰湖空间特征；

步骤2，抽取步骤1中的深层卷积层，对该层的卷积特征进行卷积计算和两次上采样处理，得到和步骤1中的中层卷积层的卷积特征大小相同的第一特征层；

步骤3，抽取步骤1中的中层卷积层，将步骤2中得到的第一特征层的卷积特征链接至中层卷积层中，对加入链接的中层卷积层的卷积特征进行卷积计算和两次上采样处理，得到和步骤1中浅层卷积层的卷积特征大小相同的第二特征层；

步骤4，抽取步骤1中浅层卷积层，将步骤3中得到的第二特征层的卷积特征及步骤1得到的水体指数NDWI光谱特征图链接至浅层卷积层中，对加入链接的浅层卷积层的卷积特征进行两次卷积处理，将处理结果输入到softmax层，输出冰湖区域图；所述冰湖区域图用于确定冰湖边界的准确位置；

步骤5，将步骤1得到的冰湖不同尺度的空间特征和水体指数NDWI光谱特征图、步骤2得到的第一特征层、步骤3得到的第二特征层及步骤4得到的冰湖区域图的信息组合到一起，构成冰湖模型；

步骤6，使用Landsat-8数据集对步骤5构成的冰湖模型进行训练，进而得到冰湖提取网络模型；

步骤7，将任意冰湖遥感图像输入到步骤6得到的冰湖提取网络模型中，即可提取准确的冰湖信息。

2.根据权利要求1所述的一种融合光谱特征及多尺度空间特征的冰湖提取方法，其特征在于：

步骤1中，所述预训练好的VGG16网络是指采用ImageNet进行预训练的VGG16网络；所述预训练好的VGG16网络接收图像的像素大小为448×448。

3.根据权利要求2所述的一种融合光谱特征及多尺度空间特征的冰湖提取方法，其特征在于：

所述深层卷积层的卷积特征包括目标类别信息，其卷积特征大小为28×28；

所述中层卷积层的卷积特征包括目标的位置信息，其卷积特征大小为112×112；

所述浅层卷积层的卷积特征包括目标的边界信息，其卷积特征大小为448×448。

4.根据权利要求3所述的一种融合光谱特征及多尺度空间特征的冰湖提取方法，其特征在于：

所述水体指数NDWI光谱特征图的计算公式为，

其中，ρ_Green表示绿光波段的大气顶层表观反射率，0＜ρ_Green＜1；ρ_NIR表示近红外波段的大气顶层表观反射率，0＜ρ_NIR＜1。

5.根据权利要求4所述的一种融合光谱特征及多尺度空间特征的冰湖提取方法，其特征在于：

步骤2中，所述第一特征层的卷积特征大小为112×112。

6.根据权利要求5所述的一种融合光谱特征及多尺度空间特征的冰湖提取方法，其特征在于：

步骤3中，所述第二特征层的卷积特征大小为448×448。