[发明专利]一种基于多层级金字塔网络结构的水体特征提取方法

权利要求书

1.一种基于多层级金字塔网络结构的水体特征提取方法，其特征在于，具体包括以下步骤：

步骤S1，构建多层级金字塔网络结构，所述多层级金字塔网络结构包括全局平均池化层、低通路层、中通路层和高通路层；

步骤S2，获取水体图像，并将水体图像进行降采样，得到初始特征图；

步骤S3，将初始特征图输入至多层级金字塔网络结构进行处理，得到低通路处理结果、中通路处理结果和高通路处理结果；

步骤S4，将低通路处理结果、中通路处理结果和高通路处理结果进行融合计算，得到水体特征，从而实现水体特征的提取。

2.根据权利要求1所述的一种基于多层级金字塔网络结构的水体特征提取方法，其特征在于，所述步骤S2中的初始特征图包括1/4尺寸特征图、1/2尺寸特征图和原始图像。

3.根据权利要求2所述的一种基于多层级金字塔网络结构的水体特征提取方法，其特征在于，所述步骤S3具体包括以下步骤：

步骤S31，将1/4尺寸特征图输入低通路层进行处理，得到低通路处理结果；

步骤S32，将1/2尺寸特征图输入中通路层进行处理，得到中通路处理结果；

步骤S33，将原始图像输入高通路层进行处理，得到高通路处理结果。

4.根据权利要求3所述的一种基于多层级金字塔网络结构的水体特征提取方法，其特征在于，所述步骤S31具体包括以下步骤：

步骤S311，将1/4尺寸特征图输入三次残差神经网络，得到1/32尺寸特征图；

步骤S312，将1/32尺寸特征图输入降维通道进行降维操作，得到低通路处理结果。

5.根据权利要求4所述的一种基于多层级金字塔网络结构的水体特征提取方法，其特征在于，所述步骤S311之后，步骤S312之前还包括对1/32尺寸特征图进行膨胀卷积处理。

6.根据权利要求5所述的一种基于多层级金字塔网络结构的水体特征提取方法，其特征在于，所述步骤S32具体包括以下步骤：

步骤S321，将1/2尺寸特征图输入三次残差神经网络，得到1/16尺寸特征图，所述1/16尺寸特征图为中通路处理结果。

7.根据权利要求6所述的一种基于多层级金字塔网络结构的水体特征提取方法，其特征在于，所述步骤S33具体包括以下步骤：

步骤S331，将原始图像输入残差神经网络，得到1/8尺寸特征图，所述1/8尺寸特征图为高通路处理结果。

8.根据权利要求7所述的一种基于多层级金字塔网络结构的水体特征提取方法，其特征在于，所述步骤S4具体包括以下步骤：

步骤S41，将低通路处理结果和中通路处理结果进行融合计算，得到中低通路融合结果；

步骤S42，将中低通路融合结果和高通路处理结果进行融合计算，得到水体特征。

9.根据权利要求8所述的一种基于多层级金字塔网络结构的水体特征提取方法，其特征在于，所述步骤S41具体包括以下步骤：

步骤S411，将低通路处理结果输入CX3X3卷积层进行膨胀卷积，得到膨胀卷积后的低通路处理结果；

步骤S412，将中通路处理结果输入CX1X1卷积层进行卷积操作，得到卷积操作后的中通路处理结果；

步骤S413，将膨胀卷积后的低通路处理结果和卷积操作后的中通路处理结果进行像素加和，得到中低通路融合结果。

10.根据权利要求9所述的一种基于多层级金字塔网络结构的水体特征提取方法，其特征在于，所述步骤S42具体包括以下步骤：

步骤S421，将中低通路融合结果输入CX3X3卷积层进行膨胀卷积，得到膨胀卷积后的中低通路融合结果；

步骤S422，将高通路处理结果输入CX1X1卷积层进行卷积操作，得到卷积操作后的高通路处理结果；

步骤S423，将膨胀卷积后的中低通路融合结果和卷积操作后的高通路处理结果进行像素加和，得到水体特征。