[发明专利]一种卫星遥感影像水体提取方法

说明书

本发明提出一种卫星遥感影像水体提取方法，包括：确定样本位置，获取样本点在一定时间序列上的多源遥感影像集，分别完成去云处理后进行合成，获得去云合成影像；使用合成影像的波段数据，使用自定义的归一化差异水体指数(NDWI)进行计算得到指数值；将影像转为RGB图像，输入已经训练完成的分类网络模型，得到该图像的类激活图CAM；融合CAM和NDWI，通过阈值筛选得到marker，将RGB图像转为灰度图并使用随机游走算法进行分割，通过面积阈值筛选得到大面积水体分割结果。本方法通过对仅有图像级标注的遥感影像训练数据集进行学习与训练，融合NDWI和CAM进行分割，在消除对真实水体标注的依赖同时，也加强了水体提取的精度。

技术领域

本发明属于水体遥感影像技术领域，主要涉及一种结合水体指数和类激活图的卫星遥感影像的水体提取方法。

背景技术

遥感技术的发展使遥感影像在地理资源研究与调查中的重要性日益增长。在水体提取技术中，使用遥感数据获取水体信息已经成为目前主流的水体提取方式。在日益增长的精度要求下，对高性能的水体提取算法技术的需求也不断增大。目前已经有一些方法取得了不错的效果，然而由于地理、气候环境等因素的影响，目前已有的水体提取方法难以应对复杂的现实状况。因此，研究能基于遥感影像且足以应对多种现实状况的水体提取技术具有重要的意义与价值。

目前单波段阈值法、多波段谱间关系法、水体指数法等方法作为水体提取技术的基础方法，相继得到了应用，产生了一些衍生变种方案。其中，单波段阈值法主要利用红外波段光谱特征的差异，选取合适的阈值进行提取。多波段谱间关系法则利用不同波段的光谱差异，构造一种模型来提取水体。该两种方法在地物复杂多样或者波段相似的情形下不能取得较好的效果。而水体指数法是对多个光谱的特征分析，选取需要的多个波段，构造水体指数计算公式来实现水体提取，其准确度依赖于阈值的选定和计算方案。该方法能较大限度地抑制植被信息带来的干扰，却仍然难以应对城市空间或者特殊地貌下带来的如阴影、土壤成分等复杂要素的干扰。

总的来说，现有的基础方法难以应对复杂的情形，亟需新的方案来对现状作出改进。而近年来，计算机视觉领域正在快速发展，其中一些基于普通图像的深度学习技术值得思考。这给了分析遥感影像进行水体提取一些新的思路与方法。例如可以将遥感图像转换为灰度图像后利用灰度共生矩阵提取纹理特征，从而关注到更多的水体类别；可以使用神经网络的方法对颜色等特征进行进一步的提取映射，如利用语义分割的解码器结构实现像素级别的分割预测，从而对水体颜色信息更加敏感。但大多基于深度学习的方法需要像素级细粒度水体标注对模型进行有监督训练，而获得像素级细粒度水体标注需要耗费大量人力成本。

发明内容

本发明所需解决的技术问题是，如何在缺少像素级细粒度水体标注的情况下对遥感影像中大面积水体区域进行精准水体提取。

为了解决上述的技术问题，本发明所采用的技术方案是提供一种基于归一化差异水体指数和类激活图的遥感影像水体提取的方法，包括以下步骤：

步骤S1：确定样本位置，获取样本点在一定时间序列上的多源遥感影像集，分别完成去云处理后进行合成，获得去云合成影像；

步骤S2：使用合成影像的波段数据，使用自定义的水体指数进行计算，得到指数值；

步骤S3：将影像转为RGB图像，输入已经训练完成的分类网络模型，得到该图像的类激活图CAM；

步骤S4：将NDWI和CAM进行融合得到水体特征图WFM，并设定阈值进行二值筛选，得到该图像的marker；将RGB图像转为灰度图，然后使用随机游走算法对灰度图进行分割；对分割结果进行面积阈值筛选，得到大面积水域的分割结果。

进一步的，步骤S1中对薄云，可以使用同态滤波、光谱差异性或暗通道等方案进行过滤；对厚云，则需要采用不同时间段同位置的影像进行合成互补，重建去云影响，从而保证整个影像完整。