[发明专利]基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法

权利要求书

1.一种基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法，其特征在于：包括以下步骤：

步骤1、获取珊瑚岛礁的原始遥感影像，并对原始遥感影像进行数据预处理；

步骤2、建立珊瑚岛礁的地质分类体系，从预处理后的遥感影像中进行特征提取与分类，得到珊瑚岛礁的地质分类数据集；

步骤3、使用珊瑚岛礁的地质分类数据集对Deeplabv3+卷积神经网络和ResNet残差网络模型进行训练，得到训练后的识别与分类模型；

步骤4、使用训练后的识别与分类模型进行预测，得到海岛礁遥感地质分类结果图。

2.根据权利要求1所述的基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法，其特征在于：所述珊瑚岛礁的原始遥感影像采用Quick Bird高分辨率遥感影像。

3.根据权利要求1所述的基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法，其特征在于：所述步骤1对原始遥感影像进行数据预处理包括几何校正、图像融合和图像增强，使得岛、礁、沙、滩的信息都得到增强。

4.根据权利要求1所述的基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法，其特征在于：所述步骤2建立珊瑚岛礁的地质分类体系将岩石类型分为如下七种类型：砂屑灰岩、细砂、中砂、粗砂、珊瑚砾屑灰岩、珊瑚砾块灰岩和珊瑚骨架灰岩。

5.根据权利要求1所述的基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法，其特征在于：所述步骤2从预处理后的遥感影像中进行特征提取与分类的方法为：使用不同颜色将不同地质类型进行区分标注，将进行标注了的图像按照32*32大小像素对目标岛礁影像进行图斑分割，得到标注图像，采用随机选取方式选取训练数据集，对标签数据的相同位置以同等大小范围进行裁剪，并利用规则格网选取测试数据集。

6.根据权利要求1所述的基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法，其特征在于：所述步骤3的具体实现方法为：采用迁移学习的方法，在Deeplabv3+网络模型的基础上，采用ResNet50为主干模型用于提取特征，对原网络的解码部分进行微调；在训练过程中采用early stopping和学习率下降训练技巧进行训练，训练时使用珊瑚岛礁的地质分类数据集的训练数据集。