[发明专利]基于深度学习的水域特征提取方法及系统

说明书

本发明公开了一种基于深度学习的水域特征提取方法，包括：获取待分类识别的图像，并将所述待分类识别的图像输入水域识别模型以生成水域二值图；将所述水域二值图处理为适合输入到随机森林模型的测试特征集合；获取已有的水域分类数据集，并将所述已有的水域分类数据集处理为适合输入所述随机森林模型的训练特征集合；将所述训练特征集合输入所述随机森林模型，训练得到已训练随机森林模型；将所述测试特征集合输入到所述已训练随机森林模型，得到初始分类结果集合；添加先验约束规则，采用测试特征集合对初始分类结果集合中的每一个测试特征进行优化，得到水域分类结果，解决了水域检测分类效果不佳的问题，提高水域提取结果的稳定性与精度。

技术领域

本发明涉及机器学习领域，尤其涉及一种基于深度学习的水域特征提取方法及系统。

背景技术

水域检测一般可以采用如无人机设备等鸟瞰角度进行图像的拍摄，提取图像中的水域区域，一般包括池塘、湖泊、河流等不同级别与类型的区域；目前，水域提取项目大多实现于遥感图像任务中，该类算法经常被水利局使用进行水利测绘，而鸟瞰图像的分辨率更高，视野区域低于遥感图像，场景更加复杂，房地产规划，市政规划等项目都需要水域提取技术进行支撑，现有的很多算法都是基于数学形态学技术的检测方法，这类方法通过动态选择滤波器完成对图像中水域边缘、形状等空间特征提取来检测水域，但是对形状复杂的水域检测效果不佳，其次，对水域只进行检测而不进行分类，损失了大量的可用信息，限制了该方法输出结果的应用范围。

因此，设计一种基于深度学习的水域特征提取方法及装置，能够准确检测出水域位置，并对检测出的水域进行快速精确地分类，提高水域提取结果的稳定性与精度是至关重要的。

发明内容

本发明主要目的在于提供一种基于深度学习的水域特征提取方法及系统，旨在解决现有技术中水域检测分类效果不佳的问题。

为实现上述目的，本发明提供一种基于深度学习的水域特征提取方法，所述基于深度学习的水域特征提取方法包括以下步骤：

在一实施例中，获取待分类识别的图像，并将所述待分类识别的图像输入水域识别模型以生成水域二值图；

将所述水域二值图处理为适合输入到随机森林模型的测试特征集合；

获取已有的水域分类数据集，并将所述已有的水域分类数据集处理为适合输入所述随机森林模型的训练特征集合；

将所述训练特征集合输入所述随机森林模型，训练得到已训练随机森林模型；

将所述测试特征集合输入到所述已训练随机森林模型，得到初始分类结果集合；

添加先验约束规则，采用测试特征集合对初始分类结果集合中的每一个测试特征进行优化，得到水域分类结果。

在一实施例中，还包括，利用公开数据集训练水域识别模型。

在一实施例中，所述水域识别模型为VGG16模型。

在一实施例中，所述水域二值图包括测试水域集合；所述将所述水域二值图处理为适合输入到随机森林模型的测试特征集合，包括：

根据联通域标记方法对测试水域集合中各测试水域进行标记，得到测试联通域集合；

提取所述测试联通域集合中各测试联通域的特征，将所述测试联通域的特征合并为测试特征，得到适合输入到随机森林模型的测试特征集合。

在一实施例中，所述测试联通域的特征包括：直接特征和间接特征；所述将所述测试联通域的特征合并为测试特征，包括将所述测试联通域的直接特征和间接特征合并为测试特征。

在一实施例中，所述获取已有的水域分类数据集，并将所述已有的水域分类数据集处理为适合输入所述随机森林模型的训练特征集合，包括：