(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210243704.6 (22)申请日 2022.03.11 (71)申请人 河海大学 地址 211100 江苏省南京市江宁区佛城西 路8号 (72)发明人 余宇峰　李亚琦　万定生　朱跃龙　 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于遥感图像的水库水体提取方法 (57)摘要 本发明公开一种基于遥感图像的水库水体 提取方法， 首先遥感图像进行预处理， 构建水体 提取数据集。 构建Res2Net ‑UNet模型对遥感图像 进行水体提取， 使用UNet模型的编码器和解码器 的结构， 将结合了Res2Net模块 的ResNet50网络 模型作为编码器， 并在解码器中融入混合域注意 力机制， 同时在编码器和解码器 之间加入跳跃连 接， 更好的对编码器和解码器进行特征融合， 并 充分利用图像中的空间信息和通道信息， 最后使 用随机搜索算法对Res2Net ‑UNet模型进行参数 寻优， 使用训练好的模型进行水体提取， 使得水 库水体提取 结果的精度更高。 权利要求书1页 说明书4页 附图2页 CN 114821295 A 2022.07.29 CN 114821295 A 1.一种基于 遥感图像的水库水体提取 方法， 其特 征在于， 包括以下步骤： 步骤S1、 对遥感图像进行预处理， 获得水体提取数据集， 将数据集划分为训练集和测试 集； 步骤S2、 使用训练集训练网络模型， 提出一种基于遥感图像的水库水体提取方法， 提出 使用Res2Net ‑UNet模型进行水库水体提取， 采用UNet模型的编码层和解码层结构构建模 型， 并结合Res2Net模块和混合域注意力机制， 将训练集作为模型的输入对Res2Net ‑UNet模 型进行训练； 步骤S3、 采用随机搜索算法对Res2Net ‑UNet模型进行参数寻优， 使用训练好的模型对 遥感图像进行 水体提取， 得到水体提取 结果。 2.根据权力要求1所述的一种基于遥感图像的水库 水体提取方法， 其特征在于， 在所述 步骤S2中Res2Net ‑UNet模型的编码层结构为： 采用ResNet50作为编码层的基础架构， 并融入Res2Net模块进行多尺度特征提取， 组成 Res2Net50模块作为编码层整体的结构， 输出结果为5个特征图， 记为f0、 f1、 f2、 f3、 f4， 作为 解码层的输入。 3.根据权力要求1所述的一种基于遥感图像的水库 水体提取方法， 其特征在于， 在所述 步骤S2中Res2Net ‑UNet模型的解码层结构为： 首先使用1 ×1的卷积操作作为Res2Net ‑UNet模型中编码层和解码层的中心模块部分， 之后在解码层结构 中融入混合域注意力机制， 并和编码层进行跳跃连接， 结合在编码层中 输出的5个特 征图进行 特征融合， 具体步骤为： 步骤一、 将在编码层中得到的特 征图f4经 过1×1的卷积操作， 得到解码层的特 征图d4； 步骤二、 对特征图f3进行上采样操作， 之后和特征图d4进行拼接， 经过两个连续的3 ×3 卷积、 BN、 ReLU的组合操作， 再 经过混合域注意力机制模块， 得到特 征图d3； 步骤三、 对特 征图f2、 f1和f0依次进行步骤二中的操作， 得到特 征图d2、 d1和d0； 步骤四、 将得到 的最终特征 图d0， 输入到softmax函数中， 将分类的数量设置为2， 对图 像像素进行 水体和非水体的分类， 得到最终的提取 结果。 4.根据权力要求1所述的一种基于遥感图像的水库 水体提取方法， 其特征在于， 在所述 步骤S3中， 采用随机搜索算法对Res2Net ‑UNet模型进行参数寻优， Res2Net ‑UNet模型最终 参数为： 学习率为0.0001， 优化器使用Adam， 激活函数为ReLu， 迭代次数为130， 批处理尺寸 为4， Res2Net模块中分组的组数scale＝ 4。权　利　要　求　书 1/1 页 2 CN 114821295 A 2一种基于遥感图像的水库水体提取方 法 技术领域 [0001]本发明属于遥感图像处理领域， 具体涉及一种基于遥感图像的水库水体提取方 法。 背景技术 [0002]水资源在人们的日常生活中扮演着非常重要的角色， 在经济社会的可持续发展中 也发挥着重要的作用。 地表水资源对生态系统、 农业、 工业以及社会生活都非常重要， 而随 着经济社会的不断发展、 人口的不停增长， 对水资源的需求也日益增多。 我国的水资源分布 不均匀， 与人口、 生产力的需求不能较好的匹配； 在农业用水方面， 水资源分布较为分散， 主 要依靠人工经验； 而由于水资源的短缺， 生态用水也收到很多的限制 。 因此， 快速准确的获 取水资源的信息， 对经济社会的发展有着十分积极的意义。 遥感技术可以在远距离的情况 下， 通过电磁波、 可见光或红外线对地表不同物体的辐 射或反射不同， 来识别不同的目标， 在对地观测和信息获取方面是最为有效的方式之一。 遥感数据所包含的信息丰富， 获取速 度快， 通过遥感技术对地面进 行监测， 能够很好的弥补人工观测中信息获取不及时、 难度大 等缺点。 [0003]通过遥感图像进行水体提取， 主要是利用遥感图像中丰富的波段信息， 对遥感图 像中包含的水体信息进 行提取和处理。 近年来， 随着高分辨率遥感图像的发展， 在高空间分 辨率和多光谱遥感数据的前提下， 建立准确有效的水体提取模型对于水体信息的提取和应 用有着重要的意 义。 [0004]遥感图像的水体提取方法主要有基于光谱特征的方法、 传统机器学习方法和深度 学习方法。 基于光谱特征 的方法主要是使用遥感图像的光谱特征， 利用光谱之间的差异进 行水体提取。 传统机器学习方法包括支持向量机、 最大似然分类和BP神经网络等。 深度学习 方法主要利用深层神经网络对特 征提取， 从而 进行遥感图像的水体提取。 [0005]基于光谱特征的提取方法主要是利用遥感图像中的光谱信息， 对于遥感图像的类 型具有一定的局限性。 使用机器学习 方法进行水体提取时， 可以通过学习训练样本的数据 进行水体的提取， 但是机器学习的学习能力不够强， 导致水体提取的准确率较低。 使用深度 学习方法进行水体提取时， 需要大量的样本数据共深度学习网络学习。 如何提高水体边缘 和细小水体的提取精度是对遥感图像进行 水体提取时需要考虑的问题。 发明内容 [0006]发明目的： 本发明的目的在于解决现有技术中存在的不足， 提供一种基于遥感图 像的水库水体提取方法， 提出Res2Net ‑UNet模型进行遥感图像的水库水体提取， 充分利用 遥感图像中的水库水体特 征信息。 [0007]技术方案： 本发明的一种基于 遥感图像的水库水体提取 方法， 包括以下步骤： [0008]步骤S1、 对遥感图像进行预处理， 获得水体提取数据集， 将数据集划分为训练集和 测试集。说　明　书 1/4 页 3 CN 114821295 A 3