[发明专利]联合深度学习和语义概率的不透水面提取方法及系统

摘要

一种联合深度学习和语义概率的高分辨率遥感影像不透水面提取方法及系统，获取目标区域的高分辨率遥感影像，进行影像数据归一化，分为样本影像和测试影像；构建深度卷积网络，提取各样本影像的影像特征，所述深度卷积网络由多层卷积层、池化层以及对应的反池化和反卷积层构成；对各样本影像分别进行逐像素类别预测，利用预测值与真值之间的误差构建损失函数，对网络参数进行更新训练；对测试影像通过深度卷积网络提取影像特征，进行逐像素类别预测，然后利用像素点之间的语义关联信息构建影像的条件随机场模型，对测试影像预测结果进行全局优化，得到提取结果。本发明能够对遥感影像进行精确地自动化不透水面提取，符合实际的城市规划应用需求。

主权项

1.一种联合深度学习和语义概率的高分辨率遥感影像不透水面提取方法，其特征在于，包括以下步骤：步骤一、获取目标区域的高分辨率遥感影像，进行影像数据归一化，并将所得归一化后的目标区域影像分为样本影像和测试影像两部分；步骤二、构建用于高分辨率遥感影像特征提取的深度卷积网络，提取各样本影像的影像特征；所述深度卷积网络由多层卷积层、池化层以及对应的反池化和反卷积层构成；步骤三、利用提取所得的影像特征，对各样本影像分别进行逐像素类别预测；步骤四、利用样本影像的预测值与真值之间的误差构建损失函数，并对深度卷积网络的网络参数和类别预测相关网络参数进行更新训练；步骤五、利用步骤四的训练结果，对测试影像通过深度卷积网络提取影像特征，利用提取所得的影像特征进行逐像素类别预测，然后利用像素点之间的语义关联信息构建影像的条件随机场模型，对测试影像预测结果进行全局优化，得到分类结果，实现提取不透水面。