[发明专利]一种基于先验知识的多时相SAR影像洪涝制图方法及装置

权利要求书

1.一种基于先验知识的多时相SAR影像洪涝制图方法，其特征在于，包括以下步骤：

步骤1，获取洪涝灾前和灾后的两时相配准SAR影像；

步骤2，将两时相SAR影像输入已训练的基于先验知识的多时相SAR影像洪涝制图网络，通过基于先验知识的多时相SAR影像洪涝制图网络输出水体变化特征影像；

所述基于先验知识的多时相SAR影像洪涝制图网络包括预训练的SAR影像水体特征提取模块、双分支孪生特征融合模块和变化特征卷积模块，将灾前和灾后两时相SAR影像输入所述SAR水体特征提取模块，通过SAR水体特征提取模块输出两时相水体语义特征影像；将双时相水体语义特征影像输入双分支孪生特征融合模块，通过双分支孪生特征融合模块输出初始水体特征融合影像；将初始水体特征融合影像输入变化特征卷积模块，通过变化特征卷积模块输出水体变化特征影像。

步骤3，基于阈值对水体变化特征影像提取二值图像，得到洪水淹没范围检测结果。

2.根据权利要求1所述的一种基于先验知识的多时相SAR影像洪涝制图方法，其特征在于：步骤1中获取洪涝灾前和灾后配准的双时相SAR影像实现过程为，获取受灾区域的同一地区洪灾发生前和洪灾发生后的两个时期预处理后SAR影像，通过辐射校正、几何校正、滤波预处理后，利用两时相影像的同名点进行几何配准，使得两时相影像的像素坐标相互匹配。

3.根据权利要求1所述的种基于先验知识的多时相SAR影像洪涝制图方法，其特征在于：所述预训练的SAR水体特征提取模块包括具有若干卷积层和池化层的多级编码模块，和具有若干卷积层、上采用层、融合层和通道注意力层的多级解码模块；

在多级编码模块，原始SAR影像首先通过3*3双次卷积操作，再依次通过若干次最大值池化操作和3*3双次卷积操作进行降采样处理，得到不同尺度的深度编码语义特征，可以提取重要水体语义特征；在解码多级模块，深层语义特征依次进行与编码模块对应的若干次上采样处理恢复空间信息，并与编码模块的同级编码特征进行级联特征融合、3*3双次卷积和通道注意力机制处理，得到具有通道权重调整后的多尺度深度特征和恢复空间信息的水体语义特征影像。

4.根据权利要求3所述的种基于先验知识的多时相SAR影像洪涝制图方法，其特征在于：3*3双次卷积操作包括卷积层+归一化层+卷积层+归一化层+修正线性单元层。

5.根据权利要求3所述的种基于先验知识的多时相SAR影像洪涝制图方法，其特征在于：所述预训练的SAR水体特征提取模块的训练过程为如下步骤：

获取SAR影像水体提取训练样本集，其中，所述SAR影像水体提取训练样本集包括若干训练样本，所述训练样本包括SAR影像数据、所述SAR影像数据对应的SAR影像水体范围标注图像；将所述训练数据输入预设的初始SAR水体特征提取网络，通过初始SAR水体特征提取网络输出预测水体提取结果影像；其中，预设的初始SAR水体特征提取网络为所述SAR水体特征提取模块和一层1*1卷积层组成；根据所述预测水体提取结果影像和所述SAR影像水体范围标注图像，得到损失函数；基于所述损失函数，对所述初始SAR水体特征提取网络进行训练，得到预训练的SAR水体特征提取模块。

6.根据权利要求1所述的种基于先验知识的多时相SAR影像洪涝制图方法，其特征在于：所述的双分支孪生特征融合模块为向量拼接层，所述向量拼接层，用于融合预训练的SAR水体特征提取模块得到的两时相水体深层语义特征，为变化特征卷积模块提供初始水体特征融合影像，具体操作如式(1)所示，向量拼接层的操作为Concatenate形式的特征拼接；

F_union＝Concat(F_pro，F_post)                  (1)

其中，F_union表示输出的初始水体特征融合影像[F_pro，Concat表示向量拼接操作，F_pro表示预训练的SAR水体特征提取模块输出的前时相水体深层语义特征F_post表示预训练的SAR水体特征提取模块输出的后时相水体深层语义特征