[发明专利]一种深度学习的遥感影像水体提取系统

权利要求书

1.一种深度学习的遥感影像水体提取系统,其特征在于，包括：

S1、对训练图进行数据增强；

S2、对增强数据进行归一化处理；

S3、将处理数据输入到语义分割网络的编码器中，得到粗粒度语义图；

S4、将粗粒度语义图输入语义分割网络的解码器中，得到细粒度语义图；

S5、对粗粒度语义图和细粒度语义图进行非均匀采样；

S6、对粗粒度语义图和细粒度语义图进行特征融合；

S7、使用损失函数对网络进行调参，当损失函数值最小时输出，得到最优语义分割网络否则重复步骤S3～S6。

2.根据权利要求1所述一种深度学习的遥感影像水体提取系统,其特征在于：所述训练图需分割处理，分割大小为512x512，并对与训练图对应的标签图像按照相同的方式分割。

3.根据权利要求2所述一种深度学习的遥感影像水体提取系统,其特征在于：所述数据增强操作方式为：向右旋转90°、180°、270°；左右翻转；上下翻转。

4.根据权利要求1所述一种深度学习的遥感影像水体提取系统,其特征在于：所述数据进行归一化处理。采用最大最小标准化，将数据归一化到[0,1]，计算式为：

式中x为原始图像；x'——归一化之后的图像；min(x)——图像像素最小值；max(x)——图像像素最大值。

5.根据权利要求1所述一种深度学习的遥感影像水体提取系统,其特征在于：所述S3中，语义分割网络使用前需初始化处理。

6.根据权利要求1所述一种深度学习的遥感影像水体提取系统,其特征在于：所述非均匀采样的选择策略为：在均匀分布中随机采样kN个点作为候选，k1，在kN中选择αN个最不确定的点，α∈[0,1]；剩下的(k-α)N个点从均匀分布中随机采样。

7.根据权利要求1所述一种深度学习的遥感影像水体提取系统,其特征在于：所述S7中损失函数均采用Dice系数损失函数，计算式为：

式中|T|为真实语义图像素数量；|P|为预测语义图像素数量。