[发明专利]一种遥感影像内河洲滩智能化提取方法有效
| 申请号: | 201911366656.4 | 申请日: | 2019-12-26 |
| 公开(公告)号: | CN111178230B | 公开(公告)日: | 2022-03-15 |
| 发明(设计)人: | 李林宜;姚远;孟令奎 | 申请(专利权)人: | 武汉大学 |
| 主分类号: | G06V20/10 | 分类号: | G06V20/10;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人: | 王琪 |
| 地址: | 430072 湖*** | 国省代码: | 湖北;42 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 遥感 影像 河洲 智能化 提取 方法 | ||
1.一种遥感影像内河洲滩智能化提取方法,其特征在于,包含以下步骤:
步骤1,在得到多光谱遥感影像后,利用贝叶斯正则化反馈神经网络对影像进行水陆识别,获得水陆二值化图像;
步骤1中利用贝叶斯正则化反馈神经网络对影像进行水陆识别的具体实现方式如下,
以遥感影像的蓝色波段、红色波段、MNDWI水体指数作为输入特征向量;
在原图像上选取训练样本与测试样本,然后进行贝叶斯正则化反馈神经网络的训练,所述贝叶斯正则化反馈神经网络包括3层,其中输入层与输入向量特征值数量相等有3个神经元,隐含层包含10个神经元,输出层与分类目标数目相等由2个神经元构成,分类目标数目为水体和非水体两类;
最后利用训练好的贝叶斯正则化反馈神经网络对图像进行预测,获得水陆二值化图像;
步骤2,在得到由步骤1处理后的水陆二值化图像后,对二值化图像进行非目标去除,所述非目标包括池塘、水田和部分船舶;
步骤3,进行内河洲滩提取,实现方式如下,
(3.1)对于洲滩大面积部分,采用区域生长方法进行内河洲滩提取,首先人工随机选取生长点,再执行区域生长算法进行八邻域扩张,从而得到目标内河洲滩;
(3.2)对于数量多、面积小的洲滩部分区域,采用手动框型选取方式获取框内内河洲滩像素;
步骤4,内河洲滩提取结果优化与渲染,实现方式如下,
(4.1)内河洲滩提取结果优化,设置为船舶大小阈值为T1,设置岛屿陆地大小阈值为T2,遍历图像中的像素,使用船舶大小阈值T1获取可能船舶像素,并将该像素作为种子点,然后使用区域生长算法来获取可能船舶对象集,然后进行判断,若船舶对象集像素数量T2,则判定为船舶对象,予以去除,完成内河洲滩提取结果的优化;
(4.2)内河洲滩提取结果渲染,将影像中的水体部分、内河洲滩部分、岸上陆地及其他地物分别设置为不同颜色,以此渲染并显示内河洲滩提取结果。
2.如权利要求1所述的一种遥感影像内河洲滩智能化提取方法,其特征在于:所述贝叶斯正则化反馈神经网络采用贝叶斯正则化算法作为训练函数,从输入层到隐含层的激活函数设置为tansig函数,从隐含层到输出层的激活函数设置为logsig函数。
3.如权利要求1所述的一种遥感影像内河洲滩智能化提取方法,其特征在于:步骤2的具体实现方式如下,
(2.1)首先人工随机选取生长点,再执行区域生长算法进行八邻域扩张,从而得到大面积目标水体;另外采用手动框型选取方式作为补充,实现小面积目标水体的获取,手动框型选取为用户指定矩形框并获取框内水体;
(2.2)通过用户手动选取矩形框,并去除框内船舶点像素。
4.如权利要求1所述的一种遥感影像内河洲滩智能化提取方法,其特征在于:还包括步骤5,进行内河洲滩提取结果的精度评价,实现方式如下,
首先获得内河洲滩岸线,再随机生成P个样本点,并目视解译这P个样本点,分为水体点及非水体点两类,而后建立混淆矩阵,以目视解译结果作为参考值,以内河洲滩提取效果作为预测值,进行基于混淆矩阵精度评价指标的内河洲滩提取结果精度评价,最终获得内河洲滩提取精度评价结果。
5.如权利要求4所述的一种遥感影像内河洲滩智能化提取方法,其特征在于:P的取值为200,样本点的选取原则为:在内河洲滩岸线八邻域范围内随机选取100个样本点,并在整幅影像范围内随机选取100个样本点。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉大学,未经武汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911366656.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:加工信息标记方法、数控机床及存储介质
- 下一篇:一种人尿液外泌体核酸提取方法





