一种基于改进深度学习模型的洪灾水体智能识别方法

本发明公开了一种基于改进深度学习模型的洪灾水体智能识别方法，属于地质灾害信息处理技术领域，包括以下步骤：数据收集与预处理，生成数据集；基于生成的数据集，集成Canny边缘检测算子、归一化水体指数、局部二值模式LBP算子纹理形成多特征融合图数据集；构建DeepWFNet网络模型；将多特征融合图数据集输入DeepWFNet网络模型进行洪水淹没范围识别，得到洪水识别结果；对洪水识别结果进行可视化优化与评估。本发明通过加入边缘特征、光谱特征、纹理特征与DeepWFNet模型相结合，可以在保持局部特征提取能力的同时，增强模型对全局信息的理解能力，从而显著提高对洪水淹没区域的分割精度。