[发明专利]基于空基平台视觉监视的水域面积检测方法与装置

说明书

本发明公开了基于空基平台视觉监视的水域面积检测方法与装置，涉及图像处理技术领域。该装置包括图像采集器，CNN特征提取器，多孔卷积网络的分支器，特征融合器，分类器和面积转换器。首先卷积神经网络提取待监测水域面积图片中的高层语义信息，得到输出特征图，并输入多孔卷积网络。然后根据其边缘信息，对每一区域中所有像素点的高光谱信息求均值得到该区域的期望特征；利用线性SVM分类器训练模型，将期望特征的样本向量进行分类，最后输出分类结果，得到水域面积S。根据图例参数gamma和原图水域面积S，计算水域部分的真实面积。本发明较强鲁棒性，能够监测水域部分的真实面积的变化，预测自然灾害。

技术领域

本发明涉及图像处理技术领域，尤其涉及基于空基平台视觉监视的水域面积检测方法与装置。

背景技术

水域面积的监测，是指以航空影像为基础，结合具体的地理信息数据，对水域进行监测并提取。水域面积的监测可以实时地测量瀑布、湖泊、河流以及水库等水域面积的大小，从而监控预测暴雨、泥石流和干旱等自然灾害，帮助人们及时采取防护措施规避伤害，具有十分重要的实践意义。

采用传统方法进行水域面积监测往往要耗费巨大的人力和物力等资源，而基于空基平台视觉监视系统的监测方法有可移动性、数据量大及更新快的特点，可以有效解决监测区域大及监测目标分散的问题；因而将该技术应用在大范围水域内水体面积的测量中有更大的优势。

随着近年来临近空间飞行器相关技术的发展以及飞艇等平台的试飞验证，空基平台视觉监视系统可以携带遥感、成像和通信等任务载荷，为技术人员提供更全面更及时更清晰的监测图片。但是由于气候条件、云层遮挡以及光照条件的影响，普通的可见光图片不能满足监测水域面积的要求。

发明内容

本发明引入了高光谱图片对水域面积变化进行监测，具体是基于空基平台视觉监视的水域面积检测方法与装置，以解决现有的水域面积监测难度大的问题。

所述的基于空基平台视觉监视的水域面积检测方法，包括如下具体步骤：

步骤一、获取某张待监测水域面积的图片，基于卷积神经网络CNN提取图片中的高层语义信息，得到输出特征图；

待监测水域面积的图片为3通道的RGB图像，尺寸为H*W*3；H为图片的高度，W为图片的宽度。将待监测水域面积的图片依次经过卷积神经网络三个串联的卷积层；三个卷积层有相同大小的3*3卷积核：经过第一个卷积层，得到特征图尺寸为H*W*64；经过第二个卷积层，得到特征图尺寸为H*W*128；经过第三个卷积层，得到最终的输出特征图，尺寸为H*W*256，输出通道数为256。

所述的高层语义信息为待监测水域面积图片中的不同区域的较模糊的边缘信息，后续通过多孔卷积网络得到更加精确的边缘信息。

步骤二、将输出特征图输入多孔卷积网络进行多支路不同感受野的多孔卷积。

多孔卷积网络以1*1的卷积核，比率为2的3*3多孔卷积核，比率为4的3*3多孔卷积核，比率为8的3*3多孔卷积核，比率为16的3*3多孔卷积，分别对输出特征图进行五个不同感受野的卷积，得到5个多孔卷积网络的输出特征图，其尺寸均为H*W*256，输出通道数均为256。

步骤三、对多孔卷积网络的输出特征图进行不同感受野特征的融合，得到通道数为1的输出特征图；

具体为：

首先，将5个多孔卷积网络的输出特征图按照通道数进行拼接，得到H*W*1280的特征图。

然后，将H*W*1280的特征图依次经过融合网络三个串联的卷积层，卷积核大小为3*3。

经过第一个卷积层，得到特征图尺寸为H*W*128；

经过第二个卷积层，得到特征图尺寸为H*W*64；