基于多尺度残差注意力模型的SAR影像水体提取方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115937707A(43)申请公布日2023.04.07(21)申请号202211702126.4G06V10/80(2022.01)(22)申请日2022.12.29G06V20/70(2022.01)(71)申请人南京信息工程大学地址210044江苏省南京市江北新区宁六路219号(72)发明人孙岩张永宏马光义(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204专利代理师柏尚春(51)Int.Cl.G06V20/13(2022.01)G06V10/26(2022.01)G06V10/44(2022.01)G06V10/774(2022.01)G06V10/764(2022.01)权利要求书2页说明书8页附图7页(54)发明名称基于多尺度残差注意力模型的SAR影像水体提取方法(57)摘要本发明公开了一种基于多尺度残差注意力模型的SAR影像水体提取方法，步骤如下：首先对SAR原影像进行预处理和标签制作，得到模型的训练集和测试集；其次针对遥感影像中水体形态各异问题，模型的编码器被设计成多尺度残差模块；针对狭窄水域识别准确率低的问题，模型的解码器采用嵌套式结构；最后在每层编码器后面加上细化注意力模块(SC‑attention)，融合空间特征中丰富的语义信息和通道特征中准确的位置信息，以逐步细化分割细节来避免水体边界信息的丢失。本发明利用多尺度残差模块获得水体不同尺度下的特征信息，通过嵌套式解码器能够抑制影像中散斑噪声和非水体背景，保留更多的水体信息，从而获得更好的分割结果。CN115937707ACN115937707A权利要求书1/2页1.一种基于多尺度残差注意力模型的SAR影像水体提取方法，其特征在于，包括以下步骤：(1)针对狭窄水域识别准确率低的问题，引入嵌套式连接的解码器结构，该结构使用上采样和几个短跳连接代替长跳连接；嵌套式解码器能够抑制语义间隙的影响，保留更多的信息，从而获得更好的分割结果；针对遥感影像中水体形态各异问题，提出一个基于多尺度残差和注意力构成的水体分割网络；多尺度残差模块能够分析不同尺度的目标，提取更深层次的高级特征信息；为了获得准确和连续的水体边界，在每层编码器后面加上细化注意力模块，用来融合空间特征中丰富的语义信息和通道特征中准确的位置信息，以逐步细化分割细节来避免水体边界信息的丢失；(2)获取SAR影像，对源影像进行预处理，获得模型的训练数据集和测试数据集；(3)通过水体在SAR影像中散射系数低，呈现的颜色比较深的特点来制作标签；(4)建立多尺度残差注意力模型的SAR影像水体提取方法；(5)设置模型的超参数、总训练次数、学习率、动量参数、权重衰减参数，经过反复调整和对比试验得到最佳参数，以得到最佳水体分割模型；(6)使用测试集测试训练好的模型，并通过和传统模型对比，最终验证本发明模型在水体分割方面的优越性。2.根据权利要求1所述的一种基于多尺度残差注意力模型的SAR影像水体提取方法，其特征在于，所述步骤(2)具体为：对SAR影像完成辐射校准、地形校正和对数转换以及相干斑滤波预处理；将SAR双极化数据和衍生得来的SDWI数据叠加组合成新的三通道影像，将新影像作为模型的输入，SDWI公式如下：KSDWI＝ln(10×VV×VH)(1)其中，KSDWI表示波段运算的结果值，VV和VH表示SAR双极化数据；SDWI参考借鉴了归一化水指数NDWI，利用SAR双极化数据之间的波段运算来增强水体特征，取得了较好的水体信息提取效果。3.根据权利要求1所述的一种基于多尺度残差注意力模型的SAR影像水体提取方法，其特征在于，所述步骤(3)具体为：(3.1)对每幅SAR影像进行标注，得到水域和非水域区域的二分类标签；(3.2)保持每个模型的输入大小一致；(3.3)对处理后的图像和标签进行裁剪，最终得到模型的训练数据集、验证数据集以及测试数据集。4.根据权利要求1所述的一种基于多尺度残差注意力模型的SAR影像水体提取方法，其特征在于，所述步骤(4)具体为：(4.1)针对遥感影像中水体形态各异问题，提出一个基于多尺度残差模块和细化注意力模块构成的水体分割模型；多尺度残差模块能够分析不同尺度的目标，提取更深层次的高级特征信息；(4.2)针对狭窄水域识别准确率低的问题，引入嵌套式连接的解码器结构，该结构使用上采样和几个短跳连接代替长跳连接；(4.3)在每层编码器后面加上细化注意力模块，融合空间特征中丰富的语义信息和通2CN115937707A权利要求书2/2页道特征中准确的位置信息，以逐步细化分割细节来避免水体边界信息的丢失。5.根据权利要求4所述的一种基于多尺度残差注意力模型的SAR影像水体提取方法，其特征在于，步骤(4.3)中所述的细化注意力模块的设