[发明专利]一种SAR影像水体提取方法、装置、电子设备及存储介质

说明书

本申请提供了一种SAR影像水体提取方法、装置、电子设备及存储介质，涉及遥感影像处理技术领域，包括：获取待检测SAR影像；对所述待检测SAR影像进行预处理；通过水体分割模型，对所述预处理后的待检测SAR影像进行处理，得到水体分割结果；其中，所述水体分割模型为增加双注意力机制的DeepLabv3+语义分割模型，并通过包含SAR影像和DEM数据的样本集训练得到。本申请能够提高SAR影像水体提取的精度和效率。

技术领域

本申请涉及遥感影像处理技术领域，尤其是涉及一种SAR影像水体提取方法、装置、电子设备及存储介质。

背景技术

合成孔径雷达（SAR）在提取地表水体范围的应用中较光学遥感更具优势，原因在于：SAR为主动式雷达传感器，不依赖于太阳的辐射，可昼夜观测；采用的电磁波为微波波段，波长约1mm~1m，穿透能力强，不受云雾遮挡，可全天候观测，甚至能够穿过树冠，探测林下水域；开放、平滑（相对于SAR使用的波长而言，无波或小波）的水域通常表现出较低的后向散射系数，在SAR影像上表现较为统一。针对SAR的水体提取已得到不少研究和应用，以下列出了基于SAR影像水体提取的几类主要方法：

基于阈值分割的水体提取方法：利用水体在SAR辐射亮度图中亮度较低的特性，通过经验法、双峰法、最大类间方差算法、多阈值分割、熵阈值算法等实现全局或局部的水体分割阈值，认为小于该阈值的像素为水体。该类方法计算简单，运算效率高，但精度较低，无法区分与水体散射特性相似的地物。

基于纹理的水体提取方法：水体的表面粗糙度显著低于其他地物，在SAR影像中表现为极度同质区域，纹理变化小，采用灰度共生矩阵计算同质性特征参数，同质性高的区域标记为水体。该方法可能受到浅草、裸地等纹理特征与水体相似的地物影响。

基于极化分解的水体提取方法：极化特征反映了地物的结构特征，不同结构具有不同的后向散射机制，采用非相干分解方法可以将目标的相干矩阵分解为面散射、二面角散射和体散射3个分量的和，水体在3个散射分量的功率都远低于其他地物。该类方法可能受到相似散射机制地物的干扰，如房顶、机场跑道等。

基于机器学习的水体提取方法：提取SAR影像的后向散射系数、衍生指数等作为特征，和水体标签组成训练样本，将其作为输入传入分类器进行训练，常用的分类器有支持向量机、随机森林等。该类方法的影像分类效果较好，但需要对SAR数据进行预处理提取有效的特征用以训练。

随着深度学习在遥感领域的迅速发展，在SAR影像语义分割领域，FCN、U-net等深度学习模型相继得到实验验证，但受到SAR影像、处理软件和样本、深度学习算法等限制，利用深度学习进行遥感影像的水体提取普遍精度不高。

发明内容

有鉴于此，本申请提供SAR影像的水体提取方法、装置、电子设备及存储介质，以解决有技术中利用深度学习进行遥感影像水体提取存在的精度不高和效率低的技术问题。

一方面，本申请实施例提供了一种SAR影像水体提取方法，包括：

获取待检测SAR影像；

对所述待检测SAR影像进行预处理；

通过水体分割模型，对所述预处理后的待检测SAR影像进行处理，得到水体分割结果；

其中，所述水体分割模型为增加双注意力机制的DeepLabv3+语义分割模型，并通过包含SAR影像样本和DEM数据的样本数据集训练得到。

进一步的，所述水体分割模型包括：编码器和解码器；所述编码器至少包括：特征提取模块、空间金字塔池化模块、双注意力机制模块和融合模块；

通过水体分割模型，对所述预处理后的待检测SAR影像进行处理，得到水体分割结果；包括：