[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

说明书

本发明公开了一种基于多层级金字塔网络结构的水体特征提取方法，方法包括构建多层级金字塔网络结构，获取水体图像，并将水体图像进行降采样，得到初始特征图，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，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；通过全局平均池化层、低通路层、中通路层和高通路层构建多层级金字塔网络结构，并依据多层级金字塔网络结构对水体图像进行处理，实现用三个通路分别进行水域提取运算，得到图像的粗糙语义信息和细节信息，能够精确提取复杂图像中的特征信息。

技术领域

本发明涉及水体特征提取技术领域，尤其涉及一种基于多层级金字塔网络结构的水体特征提取方法。

背景技术

水资源是生物体生存所需的物质，并且其也与人类社会密不可分，但是近几十年来，随着城镇化进程的不断推进，以及人类活动范围与强度的不断增加，在促进了社会进步和经济发展同时，也造成了自然水土流失、水资源污染、生态空间割裂、环境恶化和生物多样性锐减等一系列问题，因此，对水资源的精准检测以及有效管理是刻不容缓的，其将会对人类及其日常生活产生重要的影响，这其中对水体特征的提取是对水资源检测的重要环节之一，现有技术中，一般都是通过深度卷积算法进行水体特征的提取，然而，由于水体要素存在颜色、光谱和边界的各种差异，这会降低了模型大范围预测的准确度，从而导致不能准确提取到水体特征。

发明内容

有鉴于此，本发明提出一种基于多层级金字塔网络结构的水体特征提取方法，可以解决现有水体特征提取方法所存在的提取准确度不高的缺陷。

本发明的技术方案是这样实现的：

一种基于多层级金字塔网络结构的水体特征提取方法，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。

作为所述基于多层级金字塔网络结构的水体特征提取方法的进一步可选方案，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。

作为所述基于多层级金字塔网络结构的水体特征提取方法的进一步可选方案，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。

作为所述基于多层级金字塔网络结构的水体特征提取方法的进一步可选方案，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。

作为所述基于多层级金字塔网络结构的水体特征提取方法的进一步可选方案，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。

作为所述基于多层级金字塔网络结构的水体特征提取方法的进一步可选方案，所述步骤S32具体包括以下步骤：