[发明专利]一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法

说明书

本发明提出一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法。本发明的发明点主要在于提出一种针对亚米级高分辨率卫星遥感影像的基于Deeplabv3+语义分割方法结合矢量交集取反操作的洪涝监测流程，优点在于充分利用亚米级遥感影像的空间分辨率高这一重要特点，学习像素的空间信息，使用该方法对亚米级高分辨率卫星遥感影像中洪涝进行监测适应性强，提取效果十分理想，边界精准，且对于淹没程度较轻的区域提取效果也较为理想。

技术领域

本发明属于高分辨率卫星遥感影像数据挖掘技术领域，特别是涉及一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法。

背景技术

洪水作为一种极为严重的自然灾害，其破坏性极强，对人类生命财产构成了严重的威胁。洪涝灾害破坏范围广，并且造成的损失巨大，对人类生存环境和社会经济产生的破坏不可估量。因此，边界精准、分辨率高、区域尺度大的洪涝监测对抢险救灾和灾后重建起到至关重要的作用。

现有的洪涝灾害监测方法主要包括三类：基于卫星遥感的洪涝灾害监测、基于无人机的洪涝监测和基于物联网的洪涝灾害监测。其中卫星遥感手段可快速、大范围获取地表宏观、动态信息，对洪涝灾害的发生范围、变化情况进行全方位监控，是应急部门不可或缺的技术手段。尤其是亚米级高分辨率卫星遥感影像同时含有高分辨率和大幅宽的优点，可以同时兼顾洪涝监测的精细程度和广度。

洪涝灾害监测的关键在于洪灾发生时淹没区的识别，即受灾地区水体的识别。常用的水体提取方法包括传统的卫星遥感影像水体识别方法，和基于机器学习的方法，前者主要包括：阈值法、波段运算法和谱间分析法等，这些方法大都基于水体在影像中的光谱特性来提取水体信息的，后者也更多的关注于光谱信息而忽略了空间信息。因为水体特征在不同地区获取的亚米级高分辨率卫星影像中存在差异，而且亚米级高分辨率卫星遥感影像的波段数量少，影像尺度较大，所以异物同谱和同物异谱现象十分明显，会影响水体与非水体的区分，因此当前技术无法满足高精度、高分辨率的水体识别要求。

发明内容

本发明目的是针对相关洪涝卫星遥感监测方法不能很好地用于亚米级高分辨率卫星遥感影像中水体提取的问题，提出了一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法。

本发明是通过以下技术方案实现的，本发明提出一种亚米级高分辨率卫星影像中洪涝淹没区域提取方法，所述提取方法具体为：

步骤1：获取灾前无云的亚米级卫星遥感影像，选取若干影像样本加以标注，制作成灾前水体样本集，用于训练灾前水体提取模型，通过模型预测得到灾前水体提取结果；

步骤2：获取灾后云量小的亚米级卫星遥感影像，选取若干影像样本加以标注，制作成灾后水体样本集，用于训练灾后水体提取模型，通过模型预测得到灾后水体提取结果；

步骤3：将步骤1和步骤2得到的灾前、灾后水体提取结果进行矢量交集取反操作，得到最终洪涝淹没区域提取结果；在步骤3中需要将栅格形式的灾前、灾后水体提取结果转换成矢量形式，然后进行矢量交集取反操作；所述矢量交集取反操作是指获取两个图层不重叠的部分输出到新要素类中。

进一步地，在步骤1中，获取灾前无云的亚米级卫星遥感影像，影像选择包含Red、Green、Blue三个波段的可视化产品，数据形式为无符号整型8位。

进一步地，在步骤1中，从影像中勾画425个大小为512像素×512像素的影像样本，并进行标注，形成灾前水体样本集，其中水体像素对应的标签值为1，非水体对应的标签值为0。

进一步地，在步骤1中，随机将样本集按照4:1的比例划分成训练集和验证集，输入Deeplabv3+语义分割网络中训练灾前水体提取模型，最后通过模型预测得到灾前水体提取结果。

进一步地，在步骤2中，获取灾后云量小的亚米级卫星遥感影像，影像选择包含Red、Green、Blue三个波段的可视化产品，数据形式为无符号整型8位。