欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023112826346
申请人: 广东海洋大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于遥感图像识别的红树林生态检测方法,其特征在于,包括以下步骤:S1、采集红树林生态区的遥感图像;

S2、对遥感图像进行灰度处理,得到灰度图;

S3、对灰度图提取轮廓,得到轮廓图;

S4、采用颜色特征提取单元对遥感图像进行处理,得到颜色特征;

S5、采用轮廓特征提取单元对轮廓图进行处理,得到轮廓特征;

S6、采用目标特征提取单元对颜色特征和轮廓特征进行处理,得到红树林目标区域;

S7、根据每张遥感图像上红树林目标区域的面积,得到红树林生态区中红树林的面积;

所述S4中颜色特征提取单元包括:颜色增强层、第一注意力模块、乘法器U1、第一卷积层和第二卷积层;

所述颜色增强层的输入端作为颜色特征提取单元的输入端,其输出端分别与第一注意力模块的输入端和乘法器U1的第一输入端连接;所述乘法器U1的第二输入端与第一注意力模块的输出端连接,其输出端与第一卷积层的输入端连接;所述第二卷积层的输入端与第一卷积层的输出端连接,其输出端作为颜色特征提取单元的输出端;

所述第一注意力模块包括:第三卷积层、最大池化层、平均池化层、第一Concat层和权重计算层;

所述第三卷积层的输入端作为第一注意力模块的输入端,其输出端分别与最大池化层的输入端和平均池化层的输入端连接;所述第一Concat层的输入端分别与最大池化层的输出端和平均池化层的输出端连接,其输出端与权重计算层的输入端连接;所述权重计算层的输出端作为第一注意力模块的输出端;

所述乘法器U1的表达式为:

,

其中,H为乘法器U1输出的特征图,X为颜色增强层输出的特征图, 为权重计算层输出的权重矩阵, 为哈达玛积;

所述权重计算层的表达式为:

,

其中, 为权重计算层输出的权重矩阵 中第j个元素,zj为第一Concat层输出的特征图的第j个特征值,e为自然常数,N为第一Concat层输出特征图的特征值的数量;

所述S5中轮廓特征提取单元包括:第四卷积层、第五卷积层、第六卷积层、第一特征处理通道、第二特征处理通道、第三特征处理通道和第二Concat层;

所述第四卷积层的输入端分别与第五卷积层的输入端和第六卷积层的输入端连接,其作为轮廓特征提取单元的输入端;所述第一特征处理通道的输入端与第四卷积层的输出端连接;所述第二特征处理通道的输入端与第五卷积层的输出端连接;所述第三特征处理通道的输入端与第六卷积层的输出端连接;所述第二Concat层的输入端分别与第一特征处理通道的输出端、第二特征处理通道的输出端和第三特征处理通道的输出端连接,其输出端作为轮廓特征提取单元的输出端;

所述第四卷积层的卷积核大小为3 3;所述第五卷积层的卷积核大小为5 5;所述第六卷积层的卷积核大小为7 7;

所述S6中目标特征提取单元包括:第三Concat层、第八卷积层、第九卷积层、第十卷积层、第十一卷积层、加法器A1和加法器A2;

所述第三Concat层的输入端用于输入颜色特征和轮廓特征,并作为目标特征提取单元的输入端;所述第三Concat层的输出端分别与第八卷积层的输入端和加法器A1的第一输入端连接;所述第八卷积层的输出端分别与第九卷积层的输入端和加法器A2的第一输入端连接;所述加法器A1的第二输入端与第九卷积层的输出端连接,其输出端与第十卷积层的输入端连接;所述加法器A2的第二输入端与第十卷积层的输出端连接,其输出端与第十一卷积层的输入端连接;所述第十一卷积层的输出端作为目标特征提取单元的输出端;

所述颜色特征提取单元、轮廓特征提取单元和目标特征提取单元在训练时作为整体进行训练,将颜色特征提取单元、轮廓特征提取单元和目标特征提取单元构成的整体架构命为目标检测模型,具体训练步骤如下:A1、对遥感图像进行标注出实际目标区域;

A2、将遥感图像对应的轮廓图和遥感图像,构建训练样本;

A3、将训练样本输入到目标检测模型中,得到预测目标区域;

A4、根据预测目标区域和实际目标区域,计算模型参数适应值;

A5、判断模型参数适应值是否高于参数适应阈值,若是,则目标检测模型训练完成,若否,则对目标检测模型中权重和偏置进行更新,并跳转至步骤A3;

所述A4中计算模型参数适应值的公式为:

,

,

,

其中,f为模型参数适应值,tanh为双曲正切函数,xk为预测目标区域的第k个顶点的横坐标,yk为预测目标区域的第k个顶点的纵坐标,xt,k为实际目标区域的第k个顶点的横坐标,yt,k为实际目标区域的第k个顶点的纵坐标,ɑ为横坐标的比例系数,β为纵坐标的比例系数,ln为对数函数,| |为绝对值运算。

2.根据权利要求1所述的基于遥感图像识别的红树林生态检测方法,其特征在于,所述颜色增强层的表达式为:,

,

,

其中, 为颜色增强层输出的特征图上第i个像素点的R通道值, 为颜色增强层输出的特征图上第i个像素点的G通道值, 为颜色增强层输出的特征图上第i个像素点的B通道值,Ri为遥感图像上的第i个像素点的R通道值,Gi为遥感图像上的第i个像素点的G通道值,Bi为遥感图像上的第i个像素点的B通道值,Rt为遥感图像上红树林的目标R通道值,Gt为遥感图像上红树林的目标G通道值,Bt为遥感图像上红树林的目标B通道值。

3.根据权利要求1所述的基于遥感图像识别的红树林生态检测方法,其特征在于,所述第一特征处理通道、第二特征处理通道和第三特征处理通道的结构相同,均包括:第二注意力模块、乘法器U2和第七卷积层;

所述乘法器U2的第一输入端与第二注意力模块的输入端连接,并作为第一特征处理通道、第二特征处理通道或第三特征处理通道的输入端;所述乘法器U2的第二输入端与第二注意力模块的输出端连接,其输出端与第七卷积层的输入端连接;所述第七卷积层的输出端作为第一特征处理通道、第二特征处理通道或第三特征处理通道的输出端;所述第二注意力模块与第一注意力模块的结构相同。