摘要
本发明公开了高空间分辨率光学遥感影像的细小水体自动化提取方法,涉及图像处理和目标识别技术领域,针对当前城市区域水体智能提取中存在细小水体丢失,受到建筑物阴影的严重影响问题,将人眼视觉认知相关理论与深度学习模型相结合,构建伪孪生神经网络和Densenets深度学习模型,包括:高空间分辨率光学遥感影像预处理、水体样本集制作、模型构建、基于上下文信息的建筑物阴影去除。实现遥感影像多特征并行自学习和多特征整合,减少建筑物阴影对水体提取精度的影响。取得具有实用价值的高空间分辨率光学遥感影像城市区域水体全自动分类技术,提升城市区域细小水体提取的精度,实现城市区域水体的完整提取,极大地提高城市区域水体提取的效率。
技术关键词
自动化提取方法
光学遥感影像
分辨率
深度卷积神经网络
深度学习模型
上下文语义信息
孪生神经网络
建筑物
Softmax分类器
解码模块
图像
样本
消除水体
切片
分类技术
标签
计算机程序产品
系统为您推荐了相关专利信息
动态优化控制方法
状态更新
LSTM模型
强化学习环境
深度强化学习算法
信息推荐方法
标签特征
特征值
特征工程
信息推荐装置
模型块
渲染系统
多线程并行处理
网页浏览器
移动设备
语义分割模型
语义分割方法
特征提取模块
像素
语义特征