【技术实现步骤摘要】
一种基于无人机高分辨率遥感影像海岸带地物分类方法
本专利技术属于图像处理
,尤其是涉及一种基于无人机高分辨率遥感影像海岸带地物分类方法。
技术介绍
海岸带是海陆过渡地带,近年来沿海地区经济发展迅速,因为目前人们对于土地利用动态变化的认识过程滞后于城市自身的理解,导致海岸线的资源瓶颈与生态环境制约的矛盾日益突出,为了分析海岸带变化趋势以及影响因素,对其进行修复、保护,一种高效、准确的地物识别分类手段极其重要。目前地物分类方法主要有人工目视解译、传统机器学习(参考:何晓雨,许小剑.一种适用于处理大场景光学遥感数据的海陆分割方法:中国,202011418779.0)等方法,存在分类速度慢、样本选取和评估耗费极大人力物力、泛化性低、鲁棒性差等缺点。中国海岛众多、海岸线极长,为了对其进行修复、保护,亟需一种快速、准确、可以对大面积海岸带地物进行识别分类的手段,另一方面,无人机遥感技术发展迅速,其获取信息速度快、成本低、遥感影像分辨率高,利用无人机遥感获取所需影像逐渐成为热门手段。但是目前基于遥感影像的海岸带地物分类一般采用传统机器学习方法(参考:史晓非,丁星,马海洋.一种基于改进可靠性因子的遥感图像融合与海岸带分类方法:中国,201910319782.8),其特征表示能力有限,其提取边缘、纹理等浅层特征,无法在分类精度上取得大的突破,且由于特征工程的存在无法实现端对端的训练与预测。近些年来,深度学习的快速发展得到了广泛关注,它能够从海量影像数据中学习目标特征,可以实现端到端的训练与预测。如Unet设计之初 ...
【技术保护点】
1.一种基于无人机高分辨率遥感影像海岸带地物分类方法,其特征在于,包括如下步骤:/nS1:确定实验区域的空间范围,获取无人机高分辨率RGB海岸带区域遥感影像数据,对采集的影像使用制图软件进行图像拼接,获取数字正射影像(DOM)图,将海岸带地物划分类别;/nS2:将S1中数字正射影像图像转换为灰度图,并对其像素值重新赋值为0-6,裁剪为像素大小为684×456的图片;对数据集进行数据增广操作;将图片制作成PASCAL VOC格式的数据集并划分为训练集、验证集、测试集;/nS3:将S2得到的训练集使用语义分割PSPNet模型进行训练,根据训练得到的均并交比(MIOU)和训练时间,对模型算法进行改进,重新定义平均池化的步长和卷积核大小,替换PSPNet的主干提取网络;/nS4:根据S2得到的训练集、验证集对S3得到的优化之后的语义分割网络模型进行训练;/nS5:根据S2得到的测试集与S4训练之后得到的语义分割模型对海岸带地物进行分类实验;/nS6:根据S5测试结果来调整训练参数,循环此操作直到得到精度最高、训练时间最短的语义分割网络模型;/nS7:根据S6得到海岸带地物语义分割网络模型对海岸 ...
【技术特征摘要】
1.一种基于无人机高分辨率遥感影像海岸带地物分类方法,其特征在于,包括如下步骤:
S1:确定实验区域的空间范围,获取无人机高分辨率RGB海岸带区域遥感影像数据,对采集的影像使用制图软件进行图像拼接,获取数字正射影像(DOM)图,将海岸带地物划分类别;
S2:将S1中数字正射影像图像转换为灰度图,并对其像素值重新赋值为0-6,裁剪为像素大小为684×456的图片;对数据集进行数据增广操作;将图片制作成PASCALVOC格式的数据集并划分为训练集、验证集、测试集;
S3:将S2得到的训练集使用语义分割PSPNet模型进行训练,根据训练得到的均并交比(MIOU)和训练时间,对模型算法进行改进,重新定义平均池化的步长和卷积核大小,替换PSPNet的主干提取网络;
S4:根据S2得到的训练集、验证集对S3得到的优化之后的语义分割网络模型进行训练;
S5:根据S2得到的测试集与S4训练之后得到的语义分割模型对海岸带地物进行分类实验;
S6:根据S5测试结果来调整训练参数,循环此操作直到得到精度最高、训练时间最短的语义分割网络模型;
S7:根据S6得到海岸带地物语义分割网络模型对海岸带地物进行分类。
2.根据权利要求1所述的一种基于无人机高分辨率遥感影像海岸带地物分类方法,其特征在于,所述的步骤S1包括以下步骤:
(1)数据集使用无人机搭载2048万像素镜头进行采集,飞行高度为100米;
(2)海岸带划分为沙滩、岩滩、建筑、海水、植被、道路和其他地物共七大类。
3.根据权利要求1所述的一种基于无人机高分辨率遥感影像海岸带地物分类方法,其特征在于,所述的步骤S2包括以下步骤:
(1)将数字正射影像图像转换为灰度图,并对其像素值重新赋值为0-6,裁剪为像素大小为684×456的图片;
(2)数据集共有19200张,数据集增广包括对影像进行平移、旋转操作,用来避免训练过拟合,增强语义分割模型的鲁棒性。
4.根据权利要求1所述的一种基于无人机高分辨率遥感影像海岸带地物分类方法,其特征在于,所述S3包括以下步骤:
(1)MIOU是深度学习中语义分割网络模型训练结果精度...
【专利技术属性】
技术研发人员:张胜景,赵瑞山,李守军,
申请(专利权)人:辽宁工程技术大学,
类型:发明
国别省市:辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。