[发明专利]恒等残差型Unet与遥感水体指数的河湖岸线变化检测方法

说明书

为了解决遥感技术领域中河湖岸线变化检测难度较大、精度不高的问题，本发明公开了一种基于恒等残差型Unet与遥感水体指数的河湖岸线变化检测方法，该方法利用了遥感影像中建筑物及水体的空间特性及光谱特性，并利用了深度神经网络较强的目标识别能力，设计了适用于河湖岸线建筑物提取的深度神经网络恒等残差型Unet的网络结构，并将恒等残差型Unet与遥感水体指数NDWI进行联合，对由于开发利用和水位变化引起的河湖岸线变化进行了检测，该方法河湖岸线变化检测精度高，效果好。

技术领域

本发明属于遥感技术与计算机视觉技术交叉领域，涉及一种基于恒等残差型Unet与遥感水体指数的河湖岸线变化检测方法。

背景技术

河湖岸线作为河流与湖泊自然生态空间的重要组成部分，对岸线周边区域生态文明建设与经济发展具有重要作用。随着遥感技术的不断发展，遥感影像空间分辨率不断提高，使利用遥感影像进行河湖岸线变化检测成为了可能，并将成为河湖岸线变化检测的重要技术手段，然而，由于遥感影像的复杂性，目前，河湖岸线变化检测难度较大、精度有待提高。

发明内容

本发明针对河湖岸线变化检测研究领域存在的问题，提供一种基于恒等残差型Unet与遥感水体指数的河湖岸线变化检测方法。

本发明的技术方案为一种基于恒等残差型Unet与遥感水体指数的河湖岸线变化检测方法，基于深度卷积网络与遥感水体指数，包含以下步骤：

步骤1，获取不同时期多光谱遥感影像后，进行恒等残差型Unet网络建筑物提取；

步骤2，利用遥感水体指数进行水体提取；

步骤3，利用步骤1、2处理后获取的不同时期河湖岸线地物识别结果进行河湖岸线变化检测，获取河湖岸线变化检测结果，实现方式如下，

在得到经步骤1、2处理后得到的不同时期河湖岸线地物识别结果后，进行影像变化检测，再进行影像变化检测结果渲染，获取河湖岸线变化检测结果；

进一步的，步骤1中利用不同时期多光谱遥感影像进行恒等残差型Unet网络建筑物提取具体实现方式如下，

以U-net为基础网络架构进行优化改进，获得恒等残差型Unet网络，并进行训练相关参数设计；

所述恒等残差型Unet为编码解码结构，在编码过程中，输入图像首先进行多次卷积处理，然后进行最大池化操作完成下采样，再输入到恒等残差模块中进行处理，所述恒等残差模块包含n次卷积操作，设输入特征为input，首先将输入特征input进n-1次卷积操作、批标准化及Relu函数激活操作得到特征x，再将输入特征input与x进行相加操作，最后对相加后的特征进行卷积操作、批标准化及Relu函数激活操作；

输入图像重复m次最大池化下采样及恒等残差模块处理后，得到底层输出特征，再对输出特征与上一层下采样的图像特征进行Concat拼接操作，并进行上采样，重复m次特征拼接与上采样过程，然后进行多次卷积核操作、批归一化以及Relu函数激活操作，最后进行一次卷积核大小为1×1，卷积层数为1的卷积操作及Sigmoid函数激活操作，得到恒等残差型Unet 最终概率输出结果；

进行训练影像样本选择及预处理，将训练影像和标签，统一缩放到N×N像素大小，获得适配网络架构的训练样本；

输入训练样本进行恒等残差型Unet网络训练，获得训练好的恒等残差型Unet网络；

对多光谱遥感影像进行遥感影像预处理，将处理后的遥感影像分块输入训练好的网络中，再进行拼接得到建筑物提取概率图；

设定灰度阈值T1，进行建筑物提取概率图的二值化，灰度大于等于T1的像素被识别为建筑物用1表示，小于T1为非建筑物，用0表示，从而获取遥感影像建筑物提取结果。