[发明专利]基于光谱分析和深度卷积神经网络的水库或塘坝识别方法

摘要

本发明公开了一种基于光谱分析和深度卷积神经网络的水库或塘坝识别方法，涉及人工智能，图像识别领域。首先利用光谱分析对高清遥感影像进行处理，提取水域边界信息，将水域边界信息映射到原始图像上，然后利用原始影像上的水域边界信息，将原始图片分割为若干个包含蓄水体的图片块，将这些图片块作为构建的卷积神经网络的输入，利用卷积神经网络对大坝、闸门、泄洪道进行识别分类，最后，利用大坝、闸门、泄洪道对水体进行识别和分类。准确率达到80％以上，大大提高了水体识别的准确度，卷积神经网络在结构上有明显的简化，在运行速度和稳健性上有了极大的提高，处理速度可达23fps，实现了水库、塘坝的快速精准识别。

主权项

1.一种基于光谱分析和深度卷积神经网络的水库或塘坝识别方法，其特征在于，包括如下步骤：S1，构建卷积神经网络，该网络依次包括输入层、五个卷积层、融合层、一个全连接层和输出层，其中，所述融合层用于将第二卷积层、第三卷积层、第四卷积层、第五卷积层的特征进行融合；S2，采用基于阈值的多波段谱间关系法对高分辨率卫星遥感影像进行分析，提取水域边界信息，框定水体，得到光谱分析处理后的影像；S3，将原始影像和光谱分析处理后的影像的坐标统一映射到同一个坐标系下，在同一坐标下将水域边界信息映射到原始影像上，实现在原始影像上水体的框定；S4，利用原始影像上的水域边界信息，将原始图片分割为若干个包含蓄水体的图片块，将这些图片块作为卷积神经网络的输入；S5，利用卷积神经网络对输入的包含蓄水体的图片块进行特征提取，对输入图片块中的特征地物：大坝、闸门或泄洪道进行识别；S6，根据卷积神经网络的输出结果，即是否有大坝、闸门、泄洪道，对输入图片块进行进一步分类，确定水体的具体类型，即水库或者塘坝，结合水域边界信息，实现对水体的识别。