本發(fā)明屬于遙感圖像目標(biāo)提取。

背景技術(shù)：

1、侵蝕溝是地表土壤被風(fēng)蝕，水蝕等情況下形成的溝壑，其會(huì)導(dǎo)致土壤流失，土地退化，生態(tài)系統(tǒng)破壞等災(zāi)害。近些年由于環(huán)境污染加劇，極端天氣情況日益增多，溝壑的數(shù)量與形成速度隨之增長(zhǎng)。因此對(duì)侵蝕溝采取有效的檢測(cè)與防治措施能夠有效保護(hù)土地資源并維持生態(tài)環(huán)境的可持續(xù)發(fā)展。因此，定期監(jiān)測(cè)侵蝕溝對(duì)于了解其演化規(guī)律和制定有效的修復(fù)策略至關(guān)重要。

2、對(duì)于侵蝕溝災(zāi)害的提取，傳統(tǒng)的方法通過(guò)人工實(shí)地考察或人工解讀衛(wèi)星圖像來(lái)確定侵蝕溝，這種方法雖然精確但是耗時(shí)長(zhǎng)，而且勞動(dòng)密集、成本高昂。后來(lái)通過(guò)遙感圖像，使用人工目視解譯或者傳統(tǒng)的機(jī)器學(xué)習(xí)方法來(lái)檢測(cè)侵蝕溝，這種方法效率有所提升，但準(zhǔn)確率很低。

3、近年來(lái)，隨著深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)方法的出現(xiàn)，基于卷積神經(jīng)網(wǎng)絡(luò)的監(jiān)督語(yǔ)義分割方法引起了廣泛研究。這種方法使用高分辨率衛(wèi)星影像作為輸入，利用深度學(xué)習(xí)技術(shù)，經(jīng)過(guò)語(yǔ)義分割神經(jīng)網(wǎng)絡(luò)，得到二分類的分割結(jié)果(背景和溝壑)，如圖1所示。這種方式能夠從原始數(shù)據(jù)中自動(dòng)學(xué)習(xí)更強(qiáng)大的分層特征表示，為侵蝕溝的自動(dòng)監(jiān)測(cè)提供了新的可能性。例如，許兆鵬等提出了一種基于全卷積網(wǎng)絡(luò)的方法用于在中國(guó)黃土高原侵蝕溝監(jiān)測(cè)，通過(guò)將遙感圖像與高分辨率數(shù)字地形模型結(jié)合起來(lái)并利用fcn網(wǎng)絡(luò)進(jìn)行語(yǔ)義分割，從而實(shí)現(xiàn)侵蝕溝的自動(dòng)監(jiān)測(cè)。周建等提出了一種基于反向傳播神經(jīng)網(wǎng)絡(luò)的自動(dòng)提取方法，利用數(shù)字高程模型，基于黃土侵蝕溝的特征分析，得到了準(zhǔn)確的溝壑提取結(jié)果。趙春暉等提出了一種基于邊界引導(dǎo)偽標(biāo)簽生成策略和自適應(yīng)損失函數(shù)方法的半監(jiān)督語(yǔ)義分割方法，可以充分利用有標(biāo)簽的歷史數(shù)據(jù)和最新的無(wú)標(biāo)簽監(jiān)測(cè)數(shù)據(jù)，獲得最新的侵蝕溝監(jiān)測(cè)結(jié)果。

4、盡管目前的侵蝕溝監(jiān)測(cè)已經(jīng)取得了一些成果和進(jìn)步，但是目前大多的方法僅僅是將一些計(jì)算機(jī)視覺領(lǐng)域的分割網(wǎng)絡(luò)(例如fcn和·u-net等)簡(jiǎn)單應(yīng)用到侵蝕溝提取的任務(wù)中。然而，相較于傳統(tǒng)的視覺圖像，由于侵蝕溝的復(fù)雜地理環(huán)境和特征，導(dǎo)致侵蝕溝在遙感圖像上的表示多種多樣，周圍的環(huán)境特征也各不相同，這就導(dǎo)致一般的神經(jīng)網(wǎng)絡(luò)算法對(duì)于侵蝕溝的邊界提取不明確，特別是對(duì)于小范圍侵蝕溝的提取效果很差，難以達(dá)到預(yù)期的提取效果。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明是為了解決由于侵蝕溝復(fù)雜的地理環(huán)境和特征，導(dǎo)致一般的神經(jīng)網(wǎng)絡(luò)算法對(duì)于侵蝕溝的邊界提取不明確的問(wèn)題，現(xiàn)提供一種基于多尺度邊緣感知的侵蝕溝分割方法。

2、一種基于多尺度邊緣感知的侵蝕溝分割方法，將侵蝕溝圖像輸入至語(yǔ)義分割網(wǎng)絡(luò)獲得侵蝕溝和背景分割圖像；

3、所述語(yǔ)義分割網(wǎng)絡(luò)包括：編碼器、邊界檢測(cè)模塊和多尺度解碼器；

4、所述侵蝕溝圖像分別作為邊界檢測(cè)模塊和編碼器的輸入，通過(guò)所述邊界檢測(cè)模塊獲得侵蝕溝圖像的邊界圖，通過(guò)所述編碼器獲得侵蝕溝圖像的特征圖；

5、利用所述多尺度解碼器將所述邊界圖和特征圖進(jìn)行通道整合，獲得侵蝕溝圖像的整體特征作為分割結(jié)果，完成對(duì)侵蝕溝圖像的分割。

6、進(jìn)一步的，上述邊界檢測(cè)模塊包括：兩個(gè)3×3卷積層、一個(gè)正則化層和一個(gè)2×2最大池化層，前一層輸出的特征作為下一層的輸入。

7、進(jìn)一步的，上述邊界檢測(cè)模塊中四個(gè)層的輸出特征分別表示為：

8、

9、其中，r表示實(shí)數(shù)，h和w分別表示侵蝕溝圖像的高和寬。

10、進(jìn)一步的，上述邊界檢測(cè)模塊還包括七個(gè)邊界增強(qiáng)模塊，其中四個(gè)構(gòu)成一級(jí)邊界增強(qiáng)模塊，剩余三個(gè)構(gòu)成二級(jí)邊界增強(qiáng)模塊；

11、所述邊界檢測(cè)模塊四個(gè)層的輸出特征分別輸入到四個(gè)一級(jí)邊界增強(qiáng)模塊中，第一層一級(jí)邊界增強(qiáng)模塊的輸出與第二層一級(jí)邊界增強(qiáng)模塊的輸出共同作為第二層二級(jí)邊界增強(qiáng)模塊的輸入，第二層二級(jí)邊界增強(qiáng)模塊的輸出與第三層一級(jí)邊界增強(qiáng)模塊的輸出共同作為第三層二級(jí)邊界增強(qiáng)模塊的輸入，第三層二級(jí)邊界增強(qiáng)模塊的輸出與第四層一級(jí)邊界增強(qiáng)模塊的輸出共同作為第四層二級(jí)邊界增強(qiáng)模塊的輸入。

12、進(jìn)一步的，上述邊界增強(qiáng)模塊包括：sobel卷積層、歸一化層、激活函數(shù)層、3*3卷積層和1*1卷積層；

13、所述邊界增強(qiáng)模塊的輸入依次經(jīng)過(guò)sobel卷積層、歸一化層、激活函數(shù)層和3*3卷積層，所述3*3卷積層的輸出和所述邊界增強(qiáng)模塊的輸入共同通過(guò)所述1*1卷積層后輸出侵蝕溝圖像的邊界圖。

14、進(jìn)一步的，上述多尺度解碼器包括：兩個(gè)1×1卷積層、一個(gè)3×3卷積層、兩個(gè)3×3空洞卷積層和空間注意力模塊，所述兩個(gè)3×3空洞卷積層的擴(kuò)張率分別為2和3；

15、所述邊界圖和特征圖共同作為所述多尺度解碼器的輸入特征，所述輸入特征分別經(jīng)過(guò)一個(gè)1×1卷積層、3×3卷積層和兩個(gè)3×3空洞卷積層，獲得四個(gè)輸出結(jié)果，另一個(gè)1×1卷積層將所述四個(gè)輸出結(jié)果進(jìn)行通道級(jí)整合，之后通過(guò)所述空間注意力模塊進(jìn)一步增強(qiáng)特征，獲得侵蝕溝圖像的整體特征。

16、進(jìn)一步的，一個(gè)1×1卷積層的輸出為y1＝conv1*1(x)；

17、3×3卷積層的輸出為y2＝conv3*3(x)；

18、擴(kuò)張率為2的3×3空洞卷積層的輸出為y3＝dilatedconv3*3(x,2)；

19、擴(kuò)張率為3的3×3空洞卷積層的輸出為y4＝dilatedconv3*3(x,3)；

20、x表示輸入特征，conv1*1()表示1×1卷積操作，conv3*3(x)表示3×3卷積操作，dilatedconv3*3()表示3×3空洞卷積操作。

21、進(jìn)一步的，上述編碼器為segformer算法的編碼器。

22、進(jìn)一步的，上述侵蝕溝圖像的獲得方法為：

23、通過(guò)衛(wèi)星采集目標(biāo)區(qū)域的遙感圖像，并將所述遙感圖像依次進(jìn)行裁剪和縮放調(diào)整，使得所述遙感圖像能夠適應(yīng)語(yǔ)義分割網(wǎng)絡(luò)的處理?xiàng)l件；

24、之后對(duì)調(diào)整后的遙感圖像進(jìn)行標(biāo)準(zhǔn)化，獲得侵蝕溝圖像。

25、進(jìn)一步的，上述標(biāo)準(zhǔn)化的表達(dá)式如下：

26、

27、其中，x′表示標(biāo)準(zhǔn)化后的像素值，xi為調(diào)整后的遙感圖像中第i個(gè)像素的像素值，i＝1,2,...,n，n為調(diào)整后的遙感圖像中像素總數(shù)，調(diào)整后的遙感圖像中所有像素的平均值。

28、本發(fā)明提出了一種基于多尺度邊緣感知的侵蝕溝分割方法，采用邊界檢測(cè)模塊(boundary?detection?module，bdm)和多尺度解碼器(multiscale?perception?decoder，mpd)，其中，邊緣檢測(cè)模塊對(duì)侵蝕溝邊緣特征進(jìn)行提取，增強(qiáng)對(duì)侵蝕溝邊界細(xì)節(jié)的提取能力，提升整體侵蝕溝的分割精度；多尺度解碼器對(duì)編碼器和邊界檢測(cè)模塊的特征進(jìn)行解碼，充分利用編碼器提取的上下文特征信息，抑制細(xì)節(jié)特征信息丟失，提高對(duì)于模糊溝壑的分割能力與整體分割精度。

技術(shù)特征：

1.一種基于多尺度邊緣感知的侵蝕溝分割方法，將侵蝕溝圖像輸入至語(yǔ)義分割網(wǎng)絡(luò)獲得侵蝕溝和背景分割圖像；

2.根據(jù)權(quán)利要求1所述的一種基于多尺度邊緣感知的侵蝕溝分割方法，其特征在于，所述邊界檢測(cè)模塊包括：兩個(gè)3×3卷積層、一個(gè)正則化層和一個(gè)2×2最大池化層，前一層輸出的特征作為下一層的輸入。

3.根據(jù)權(quán)利要求2所述的一種基于多尺度邊緣感知的侵蝕溝分割方法，其特征在于，所述邊界檢測(cè)模塊中四個(gè)層的輸出特征分別表示為：

4.根據(jù)權(quán)利要求2或3所述的一種基于多尺度邊緣感知的侵蝕溝分割方法，其特征在于，所述邊界檢測(cè)模塊還包括七個(gè)邊界增強(qiáng)模塊，其中四個(gè)構(gòu)成一級(jí)邊界增強(qiáng)模塊，剩余三個(gè)構(gòu)成二級(jí)邊界增強(qiáng)模塊；

5.根據(jù)權(quán)利要求4所述的一種基于多尺度邊緣感知的侵蝕溝分割方法，其特征在于，所述邊界增強(qiáng)模塊包括：sobel卷積層、歸一化層、激活函數(shù)層、3*3卷積層和1*1卷積層；

6.根據(jù)權(quán)利要求1、2、3或5所述的一種基于多尺度邊緣感知的侵蝕溝分割方法，其特征在于，所述多尺度解碼器包括：兩個(gè)1×1卷積層、一個(gè)3×3卷積層、兩個(gè)3×3空洞卷積層和空間注意力模塊，所述兩個(gè)3×3空洞卷積層的擴(kuò)張率分別為2和3；

7.根據(jù)權(quán)利要求6所述的一種基于多尺度邊緣感知的侵蝕溝分割方法，其特征在于，

8.根據(jù)權(quán)利要求1所述的一種基于多尺度邊緣感知的侵蝕溝分割方法，其特征在于，所述編碼器為segformer算法的編碼器。

9.根據(jù)權(quán)利要求1所述的一種基于多尺度邊緣感知的侵蝕溝分割方法，其特征在于，所述侵蝕溝圖像的獲得方法為：

10.根據(jù)權(quán)利要求9所述的一種基于多尺度邊緣感知的侵蝕溝分割方法，其特征在于，所述標(biāo)準(zhǔn)化的表達(dá)式如下：

技術(shù)總結(jié)
一種基于多尺度邊緣感知的侵蝕溝分割方法，涉及遙感圖像目標(biāo)提取技術(shù)領(lǐng)域。本發(fā)明是為了解決由于侵蝕溝復(fù)雜的地理環(huán)境和特征，導(dǎo)致一般的神經(jīng)網(wǎng)絡(luò)算法對(duì)于侵蝕溝的邊界提取不明確的問(wèn)題。本發(fā)明一種基于多尺度邊緣感知的侵蝕溝分割方法，采用邊界檢測(cè)模塊和多尺度解碼器，其中，邊緣檢測(cè)模塊對(duì)侵蝕溝邊緣特征進(jìn)行提取，增強(qiáng)對(duì)侵蝕溝邊界細(xì)節(jié)的提取能力，提升整體侵蝕溝的分割精度；多尺度解碼器對(duì)編碼器和邊界檢測(cè)模塊的特征進(jìn)行解碼，充分利用編碼器提取的上下文特征信息，抑制細(xì)節(jié)特征信息丟失，提高對(duì)于模糊溝壑的分割能力與整體分割精度。

技術(shù)研發(fā)人員：劉勇,宿南,蘇安雙,申祎,王蘭冰,張宇馳,王淼,盧彥,郝新宇,于洪鑒
受保護(hù)的技術(shù)使用者：黑龍江省水利科學(xué)研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2