[发明专利]基于高空间分辨率遥感影像的储油罐提取方法

权利要求书

1.一种基于高空间分辨率遥感影像的储油罐提取方法，其特征在于，包括：

采集储油罐样本，将所述样本随机分为训练集和测试集；

基于Res2-Unet模型结构构建储油罐提取模型；其中，基于UNet语义分割结构提出深度学习网络Res2-Unet，采用Res2Net卷积模块，将特征层间学习改为粒度学习，并以残差方式布局；

对所述测试集进行精度验证；

还包括：

采用边缘损失函数来辅助所述储油罐提取模型的学习，所述边缘损失函数的定义如式(1)和式(2)所示：

boundary＝I-Ero(I) (1)；

其中，boundary代表所提取的储油罐的边缘，I为提取的储油罐结果图，Ero(I)是对图像I采用腐蚀计算得到的图像，B_pred表示模型提取的储罐边缘，B_gt表示储罐实际边缘信息，L_boundary为边缘损失值；

所述储油罐提取模型整个模型结构的损失函数采用二值交叉熵BCE与所述边缘损失函数相结合的方式，如下式所示：

L＝μL_bce+L_boundary；

其中，μ值设为2，L为整个储油罐提取模型的损失值，L_bce为采用二值交叉熵BCE部分的损失值，L_boundary为边缘损失值。

2.根据权利要求1所述的储油罐提取方法，其特征在于，所述深度学习网络Res2-Unet包括编码和解码，其中所述编码包括原始输入图像经过逐层Res2Net卷积运算和池化操作得到图像特征；所述解码包括所述图像特征经过逐层反卷积，特征大小逐步增大，维数逐步降低，最后生成与输入图像大小一致的单维二值结果图。

3.根据权利要求1所述的储油罐提取方法，其特征在于，所述Res2Net卷积模块将1x1卷积以后的特征图从通道这一维度分为四块，得到四个子特征图x1、x2、x3和x4；其中，x1直接输入y1，x2经过3x3卷积得到特征图y2，x3与y2拼接，共同经过3x3卷积得到特征图y3，y3与x4拼接，共同经过3x3卷积得到特征图y4，y1、y2、y3和y4拼接，共同经过1x1卷积，再与原始特征图拼接，得到最终Res2Net卷积模块的输出特征图。

4.根据权利要求1所述的储油罐提取方法，其特征在于，所述采集储油罐样本是基于高分一号卫星、高分二号卫星、高分六号卫星和国产资源卫星的卫星影像，通过目视解译采集的。

5.根据权利要求1所述的储油罐提取方法，其特征在于，对所述储油罐样本进行如下处理：将每景影像根据油罐真实所处位置随机裁剪成512x512像素大小的图块，影像通道选取绿色、蓝色和近红外三个通道。

6.根据权利要求1所述的储油罐提取方法，其特征在于，在所述储油罐提取模型训练过程中，先将输入数据逐级编码成多通道的特征，再通过与编码过程中生成的特征串联的方式，逐级解码到与输入图像相同大小的分割结果二值图，在二值图中，油罐标记为1，背景地物为0。

7.根据权利要求1所述的储油罐提取方法，其特征在于，所述储油罐提取模型的学习率设置为0.01，优化策略采用随机梯度下降法。

8.根据权利要求1所述的储油罐提取方法，其特征在于，所述对所述测试集进行精度验证计算了交并比、F1值、召回率和精度以评估测试集的精度。