[发明专利]基于FCN-8s和改进Canny边缘检测的遥感图像信息提取方法

说明书

基于FCN‑8s和改进Canny边缘检测的遥感图像信息提取方法，首先利用FCN‑8s网络反卷积获取遥感图像地物像素区域图，然后对其进行加权平均灰度化处理，接着利用改进的Canny边缘检测获取灰度化后地物像素区域图上的目标地物边缘轮廓图，即利用综合考虑空间信息和色彩信息的双边滤波对灰度化后的图像进行去噪、平滑，然后计算平滑后图像中各点的梯度值和梯度方向，接着对梯度幅值进行改进的非极大值抑制处理以及图像线性边缘增强，获得候选边缘，紧接着采用基于最小类内均方差准则的自适应阈值算法获取最佳阈值，将最佳阈值作为选取高阈值、低阈值的基础，最后应用双阈值检测和连接边缘得到遥感图像目标地物的精细边缘轮廓图。本发明高效、适应性好。

技术领域

本发明涉及一种基于FCN-8s和改进的Canny边缘检测提取遥感图像信息的方法。

技术背景

遥感图像包含的地物信息丰富，其中涉及的地物轮廓线条复杂，而精准提取目标地物的边缘轮廓则有助于后续研究的顺利进行。遥感图像的目标区域(前景区域)和背景区域的像素灰度值往往存在差异，而边缘是图像最基本的特征，根据图像的灰度值差异提取地物边缘轮廓信息成为遥感图像处理的有效方法之一。但目前遥感图像目标地物的轮廓边缘获取主要是单纯地利用传统边缘检测算子，通过人为设置判定阈值来达到检测、获取图像中目标物边缘这一目的，获得的结果往往不够精细。特别是当所拍摄的图像中，目标物所处的位置、光照条件等发生变化导致图像灰度产生较大变化时，所得到的检测边缘结果就会带有较大偏差。

发明内容

针对上述问题，本发明提出一种图像分割精准、算法适应性强的基于FCN-8s和改进Canny边缘检测的遥感图像信息提取方法。

本发明首先利用FCN-8s网络反卷积获取遥感图像地物像素区域图，然后对其进行加权平均灰度化处理，接着利用改进的Canny边缘检测获取灰度化后地物像素区域图上的目标地物边缘轮廓图，即利用综合考虑空间信息和色彩信息的双边滤波对灰度化后的图像进行去噪、平滑，然后计算平滑后图像中各点的梯度值和梯度方向，接着对梯度幅值进行改进的非极大值抑制处理以及图像线性边缘增强，获得候选边缘，紧接着采用基于最小类内均方差准则的自适应阈值算法获取最佳阈值，将最佳阈值作为选取高阈值、低阈值的基础，最后应用双阈值检测和连接边缘得到遥感图像目标地物的精细边缘轮廓图。

为实现上述目的，本发明采用以下技术方案：

一种基于FCN-8s和改进Canny边缘检测的遥感图像信息提取方法，包括如下步骤：

步骤一，构建FCN-8s网络；

一)改进卷积层；

为了在输入任意尺寸的彩色遥感图像时，得到图像中目标物体所属的像素范围，本发明将传统CNN网络的全连接层换成卷积层，进行卷积运算。

设输入图片为M×N，卷积核为n×n，偏置为b₁，卷积后的特征图为矩阵F，激活函数为S(t)，得：

式中，F_ij为矩阵F中元素；M_ij和C_ij是卷积过程中输入层与卷积核相对应的元素。

同时，为了避免网络收敛速度慢、梯度消失等问题，本发明采用LeaKy ReLU单元函数即h(x)激活函数来代替S型激活函数(Sigmoid函数)以提高网络泛化性能，有：

二)改进池化层；

在卷积层运算后，为避免网络参数过多造成过拟合，本发明利用中间值池化法，完成对卷积特征的采样，即有：

其中，池化域大小为c×c；偏置为b₂；c为每次的移动步长；S为池化后的特征图。