1.一种融合语义与像素特征的高分二号遥感影像水体提取方法,其特征在于,包括如下步骤:(1)基于高分二号遥感影像的成像特点,分别获取全色谱遥感影像和多光谱遥感影像;
以更好地突出水体信息为目标,利用多光谱遥感影像每个波段信息的标准差和不同波段间的相关系数实现高分二号遥感影像最佳波段组合,将最佳波段组合后的多光谱遥感影像与全色谱遥感影像融合,提高影像的空间分辨率;
(2)使用改进的FCN模型进行模型训练并习得水体特征,并根据习得的全局特征完成高分二号遥感影像中整体水体的初始提取;所述改进的FCN模型,改进了激活函数解决神经元的坏死现象,改进了跳层结构以利用特征信息与空间信息防止过拟合,在提取的全局特征中用0和1分别表示非水体和水体;
(3)将步骤(2)得到的整体水体特征图的边缘进行逐像素分类,利用水体边缘每个像素点的4个邻位像素作为该像素点的成对能量分量建立随机场,在随机场中通过概率计算估计其为水体的可能性,再次确定为水体的其像素值仍保留为1,不是水体的修改其像素为0,从而剔除初始提取过程中误提取的边缘像素。
2.根据权利要求1所述的融合语义与像素特征的高分二号遥感影像水体提取方法,其特征在于,所述步骤(1)中包括:(11)将采集获得的高分二号多光谱遥感影像进行同波段内信息的标准差计算,将采集获得的高分二号多光谱遥感影像中的不同波段之间进行相关系数计算;
(12)通过对比多光谱遥感影像的标准差和不同波段间的相关系数,以标准差大、相关系数小为原则选择波段进行组合,最后确定波段组合;
(13)将最佳波段组合后的多光谱遥感影像与全色谱遥感影像融合,提高影像的空间分辨率。
3.根据权利要求1所述的融合语义与像素特征的高分二号遥感影像水体提取方法,其特征在于,所述步骤(2)中包括:(21)使用改进的FCN模型学习水体全局特征;与FCN模型结构相比,所述改进的FCN模型对激活函数层进行了改进,对神经元信号值输入为负时定义输出,应对神经元坏死问题;后置网络的跳层结构中在每个保留featureMap的卷积层后添加一层dropout层,以减少神经元参数,避免网络过拟合;网络结构具体设计为:前置网络包括多个卷积模块,最终产生512个通道作为水体特征学习;后置网络模块使用多个卷积层、多个反卷积层以及改进的跳层结构进行构建,其中反卷积层对第二个eltwise层融合后的结果使用反卷积进行8倍上采样,最后经过crop层获得与原始图像相同大小尺寸的水体提取图;
(22)输入水体像素级标注数据集,简化数据读取格式,直接使用原始的PNG格式的数据集进行改进的FCN模型网络参数的训练,并基于训练后的改进的FCN模型得到高分二号遥感影像水体的整体提取图。
4.根据权利要求3所述的融合语义与像素特征的高分二号遥感影像水体提取方法,其特征在于,改进的FCN的激活函数为:其中,a为区间为(0,1)的偏移量,h为属于区间(-1,0)的固定常量。
5.根据权利要求1所述的融合语义与像素特征的高分二号遥感影像水体提取方法,其特征在于,所述步骤(3)中包括:(31)针对水体提取任务,条件随机场的一元能量分量对应每个像素的特征,从而一元能量分量与像素形成一一对应关系,每张图像中,每个像素有8个相邻像素,分别是4个顶角像素与4个边缘像素,筛选其中的4个边缘像素作为成对能量分量形成随机场;
(32)通过概率计算公式计算边缘像素点i属于水体或非水体的概率,设定阈值判定该边缘像素点分类类别。
6.根据权利要求5所述的融合语义与像素特征的高分二号遥感影像水体提取方法,其特征在于,像素点i分类为yi的概率计算公式为:分类判定阈值公式为:
其中,alphaiT(yi|X)为像素点i在边集合X下的前向传播输出序列值构成的行向量,betai(yi|X)为像素点i的后向传播输出值构成的列向量;alphamT(X)为m个像素点前向传播输出序列合并构成的行向量,I为元素都为1的列向量,其列数与alphamT(X)行数相同;当概率计算值P(Yi=yi|X)大于Z(X)时,该像素点判断为水体,否则为非水体。