CN115797787A - 一种sar图像水华区域提取方法 - Google Patents
一种sar图像水华区域提取方法 Download PDFInfo
- Publication number
- CN115797787A CN115797787A CN202310113017.7A CN202310113017A CN115797787A CN 115797787 A CN115797787 A CN 115797787A CN 202310113017 A CN202310113017 A CN 202310113017A CN 115797787 A CN115797787 A CN 115797787A
- Authority
- CN
- China
- Prior art keywords
- sar image
- attention
- wavelet
- expressed
- component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 33
- 230000011218 segmentation Effects 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000007246 mechanism Effects 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 46
- 238000000354 decomposition reaction Methods 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 30
- 241000192710 Microcystis aeruginosa Species 0.000 claims description 20
- 230000009466 transformation Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及数据处理技术领域,公开了一种SAR图像水华区域提取方法,包括:通过对SAR图像第一特征进行注意力机制和特征精细操作获取第二特征,搭建注意力卷积模块;通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域;其中,注意力卷积模块用于小波注意力分割网络中对SAR图像进行精细处理。本发明提出的小波注意力分割网络能够通过两级的离散小波变换分解SAR图像的不同频率分量,同时对于不同频率分量能够通过注意力卷积模块进行SAR图像中水华区域图像的特征进行提取和精细,从而实现对于SAR图像中水华区域的准确分割。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种SAR图像水华区域提取方法。
背景技术
环境监测一直是遥感对地观测技术的一个重要应用,而对于湖泊的水华定期检测则是其中的一项典型内容。光学遥感技术应用广泛且其图像色彩丰富易于观察,但光学遥感观测易受云和雾的天气的影响,无法满足稳定的观测要求。合成孔径雷达(SyntheticAperture Radar, SAR)是一种可以进行全天时全天候的地球表面观测技术,可实现可靠的湖泊水华监测。现有的图像分割网络往往针对于自然图像而设计,难以在SAR图像的水华区域提取上取得有意的表现。
发明内容
本发明的目的在于克服上述一种或多种现有的技术问题,提供一种SAR图像水华区域提取方法。
为实现上述目的,本发明提供的一种SAR图像水华区域提取方法,包括:
通过对SAR图像第一特征进行注意力机制和特征精细操作获取第二特征,搭建注意力卷积模块;
通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域;其中,注意力卷积模块用于小波注意力分割网络中对SAR图像进行精细处理。
根据本发明的一个方面,提取方法还包括:
对小波注意力分割网络进行提取SAR图像水华区域的训练及测试。
根据本发明的一个方面,搭建注意力卷积模块包括:
再对第一特征结果进行特征精细操作,对第一特征结果进行卷积、批规范化、修正线性单元激活操作和跳转连接,得到第二特征,计算过程可形式化的表示为,
所述搭建注意力卷积模块计算过程可形式化的总结为,
根据本发明的一个方面,通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域包括:
根据第一级别离散小波变换将SAR图像分解为近似分量、水平分量、垂直分量和对角线分量,分解过程可形式化的表示为,
对分解得到的近似分量、水平分量、垂直分量和对角线分量通过注意力卷积模块进行第一级别特征精细操作,可形式化的表示为,
根据本发明的一个方面,通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域还包括:
再通过注意力卷积模块进行第二级别特征精细,可形式化的表示为,
根据本发明的一个方面,通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域还包括:
通过逆离散小波变换和注意力卷积模块,对进行第二级别特征精细得到的分量进行逆向转换和第三级别特征精细操作,形式化的表示为,
对逆向转换得到的近似分量、水平分量、垂直分量和对角线分量进行逆离散小波变换,获取SAR图像水华区域,形式化的表示为,
根据本发明的一个方面,通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域形式化的总结为,
根据本发明的一个方面,对小波注意力分割网络进行提取SAR图像水华区域的训练及测试包括:
根据分割损失对小波注意力分割网络进行SAR图像水华区域提取的训练,其中,分割损失可形式化的表示为,
损失下降直至稳定后,则表示小波注意力分割网络训练过程完毕;
通过训练完毕的小波注意力分割网络对待测试的SAR图像进行水华区域提取测试,形式化的表示为,
为实现上述目的,本发明提供一种电子设备,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述针对一种SAR图像水华区域提取方法。
为实现上述目的,本发明提供一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现上述针对一种SAR图像水华区域提取方法。
基于此,本发明的有益效果在于:
本发明提出的小波注意力分割网络能够通过两级的离散小波变换分解SAR图像的不同频率分量,同时对于不同频率分量能够通过注意力卷积模块进行SAR图像中水华区域图像的特征进行提取和精细,从而实现对于SAR图像中水华区域的准确分割。
附图说明
图1示意性表示根据本发明的一种SAR图像水华区域提取方法的流程图;
图2示意性表示根据本发明的注意力卷积模块示意图;
图3示意性表示根据本发明的一种SAR图像水华区域提取方法的结构示意图。
具体实施方式
现在将参照示例性实施例来论述本发明的内容,应当理解,论述的实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本发明的内容,而不是暗示对本发明的范围的任何限制。
如本文中所使用的,术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”,术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。
图1示意性表示根据本发明的一种SAR图像水华区域提取方法的流程图,图2示意性表示根据本发明的注意力卷积模块示意图,图3示意性表示根据本发明的一种SAR图像水华区域提取方法的结构示意图;如图1所示,本发明的一种SAR图像水华区域提取方法,包括:
通过对SAR图像第一特征进行注意力机制和特征精细操作获取第二特征,搭建注意力卷积模块;
通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域;其中,注意力卷积模块用于小波注意力分割网络中对SAR图像进行精细处理。
根据本发明的一个实施方式,提取方法还包括:
对小波注意力分割网络进行提取SAR图像水华区域的训练及测试。
根据本发明的一个实施方式,搭建注意力卷积模块包括:
再对第一特征结果进行特征精细操作,对第一特征结果进行卷积、批规范化、修正线性单元激活操作和跳转连接,得到第二特征,计算过程可形式化的表示为,
所述搭建注意力卷积模块计算过程可形式化的总结为,
根据本发明的一个实施方式,通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域包括:
根据第一级别离散小波变换将SAR图像分解为近似分量、水平分量、垂直分量和对角线分量,分解过程可形式化的表示为,
对分解得到的近似分量、水平分量、垂直分量和对角线分量通过注意力卷积模块进行第一级别特征精细操作,可形式化的表示为,
根据本发明的一个实施方式,通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域还包括:
再通过注意力卷积模块进行第二级别特征精细,可形式化的表示为,
根据本发明的一个实施方式,通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域还包括:
通过逆离散小波变换和注意力卷积模块,对进行第二级别特征精细得到的分量进行逆向转换和第三级别特征精细操作,形式化的表示为,
对逆向转换得到的近似分量、水平分量、垂直分量和对角线分量进行逆离散小波变换,获取SAR图像水华区域,形式化的表示为,
根据本发明的一个实施方式,通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域形式化的总结为,
根据本发明的一个实施方式,对小波注意力分割网络进行提取SAR图像水华区域的训练及测试包括:
根据分割损失对小波注意力分割网络进行SAR图像水华区域提取的训练,其中,分割损失可形式化的表示为,
损失下降直至稳定后,则表示小波注意力分割网络训练过程完毕;
通过训练完毕的小波注意力分割网络对待测试的SAR图像进行水华区域提取测试,形式化的表示为,
为实现上述发明目的,本发明还提供一种电子设备,该电子设备包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,计算机程序被处理器执行时实现上述一种SAR图像水华区域提取方法。
为实现上述发明目的,本发明还提供一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现上述一种SAR图像水华区域提取方法。
基于此,本发明的有益效果在于,本发明提出的小波注意力分割网络能够通过两级的离散小波变换分解SAR图像的不同频率分量,同时对于不同频率分量能够通过注意力卷积模块进行SAR图像中水华区域图像的特征进行提取和精细,从而实现对于SAR图像中水华区域的准确分割。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。
另外,在本发明实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例节能信号发送/接收的方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
应理解,本发明的发明内容及实施例中各步骤的序号的大小并不绝对意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
Claims (10)
1.一种SAR图像水华区域提取方法,其特征在于,提取方法包括:
通过对SAR图像第一特征进行注意力机制和特征精细操作获取第二特征,搭建注意力卷积模块;
通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域;其中,注意力卷积模块用于小波注意力分割网络中对SAR图像进行精细处理。
2.根据权利要求1所述的SAR图像水华区域提取方法,其特征在于,提取方法还包括:
对小波注意力分割网络进行提取SAR图像水华区域的训练及测试。
3.根据权利要求1所述的SAR图像水华区域提取方法,其特征在于,搭建注意力卷积模块包括:
再对第一特征结果进行特征精细操作,对第一特征结果进行卷积、批规范化、修正线性单元激活操作和跳转连接,得到第二特征,计算过程可形式化的表示为,
所述搭建注意力卷积模块计算过程可形式化的总结为,
4.根据权利要求1所述的SAR图像水华区域提取方法,其特征在于,通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域包括:
根据第一级别离散小波变换将SAR图像分解为近似分量、水平分量、垂直分量和对角线分量,分解过程可形式化的表示为,
对分解得到的近似分量、水平分量、垂直分量和对角线分量通过注意力卷积模块进行第一级别特征精细操作,可形式化的表示为,
5.根据权利要求1所述的SAR图像水华区域提取方法,其特征在于,通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域还包括:
再通过注意力卷积模块进行第二级别特征精细,可形式化的表示为,
6.根据权利要求1所述的SAR图像水华区域提取方法,其特征在于,通过小波注意力分割网络对SAR图像进行处理,获取SAR图像水华区域还包括:
通过逆离散小波变换和注意力卷积模块,对进行第二级别特征精细得到的分量进行逆向转换和第三级别特征精细操作,形式化的表示为,
对逆向转换得到的近似分量、水平分量、垂直分量和对角线分量进行逆离散小波变换,获取SAR图像水华区域,形式化的表示为,
8.根据权利要求2所述的SAR图像水华区域提取方法,其特征在于,对小波注意力分割网络进行提取SAR图像水华区域的训练及测试包括:
根据分割损失对小波注意力分割网络进行SAR图像水华区域提取的训练,其中,分割损失可形式化的表示为,
损失下降直至稳定后,则表示小波注意力分割网络训练过程完毕;
通过训练完毕的小波注意力分割网络对待测试的SAR图像进行水华区域提取测试,形式化的表示为,
9.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的一种SAR图像水华区域提取方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的一种SAR图像水华区域提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310113017.7A CN115797787B (zh) | 2023-02-15 | 2023-02-15 | 一种sar图像水华区域提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310113017.7A CN115797787B (zh) | 2023-02-15 | 2023-02-15 | 一种sar图像水华区域提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115797787A true CN115797787A (zh) | 2023-03-14 |
CN115797787B CN115797787B (zh) | 2023-05-05 |
Family
ID=85430974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310113017.7A Active CN115797787B (zh) | 2023-02-15 | 2023-02-15 | 一种sar图像水华区域提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115797787B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210012146A1 (en) * | 2019-07-12 | 2021-01-14 | Wuyi University | Method and apparatus for multi-scale sar image recognition based on attention mechanism |
CN112233026A (zh) * | 2020-09-29 | 2021-01-15 | 南京理工大学 | 一种基于多尺度残差注意力网络的sar图像去噪方法 |
CN112883934A (zh) * | 2021-04-01 | 2021-06-01 | 陕西师范大学 | 一种基于注意力机制的sar图像道路分割方法 |
CN113743383A (zh) * | 2021-11-05 | 2021-12-03 | 航天宏图信息技术股份有限公司 | 一种sar影像水体提取方法、装置、电子设备及存储介质 |
-
2023
- 2023-02-15 CN CN202310113017.7A patent/CN115797787B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210012146A1 (en) * | 2019-07-12 | 2021-01-14 | Wuyi University | Method and apparatus for multi-scale sar image recognition based on attention mechanism |
CN112233026A (zh) * | 2020-09-29 | 2021-01-15 | 南京理工大学 | 一种基于多尺度残差注意力网络的sar图像去噪方法 |
CN112883934A (zh) * | 2021-04-01 | 2021-06-01 | 陕西师范大学 | 一种基于注意力机制的sar图像道路分割方法 |
CN113743383A (zh) * | 2021-11-05 | 2021-12-03 | 航天宏图信息技术股份有限公司 | 一种sar影像水体提取方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
戴牧宸 等: "基于改进双边网络的SAR图像海陆分割方法" * |
Also Published As
Publication number | Publication date |
---|---|
CN115797787B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107229918B (zh) | 一种基于全卷积神经网络的sar图像目标检测方法 | |
Liu et al. | SAR image change detection based on mathematical morphology and the K-means clustering algorithm | |
CN110263646A (zh) | 一种基于卷积神经网络的海面弱目标探测方法和系统 | |
Hou et al. | SAR image ship detection based on visual attention model | |
CN104346628B (zh) | 基于多尺度多方向Gabor特征的车牌汉字识别方法 | |
CN117409190B (zh) | 一种实时红外图像目标检测方法、装置、设备及存储介质 | |
CN107784655A (zh) | 一种自适应阈值的视觉注意模型sar舰船检测算法 | |
CN103632153A (zh) | 一种基于区域的图像显著图提取方法 | |
CN113536963A (zh) | 基于轻量化yolo网络的sar图像飞机目标检测方法 | |
Cui et al. | An image edge detection method based on haar wavelet transform | |
CN115359066A (zh) | 用于内窥镜的病灶检测方法、装置、电子设备及存储介质 | |
CN117788296A (zh) | 基于异构组合深度网络的红外遥感图像超分辨率重建方法 | |
CN111968073B (zh) | 一种基于纹理信息统计的无参考图像质量评价方法 | |
Dong et al. | A cloud detection method for GaoFen-6 wide field of view imagery based on the spectrum and variance of superpixels | |
CN116109829B (zh) | 一种基于融合网络的珊瑚礁水域图像分割方法 | |
CN115797787A (zh) | 一种sar图像水华区域提取方法 | |
CN116704324A (zh) | 基于水下图像的目标检测方法、系统、设备以及存储介质 | |
CN115620149B (zh) | 一种基于遥感图像的道路检测方法 | |
CN102722878A (zh) | 基于目标提取和ppb算法的sar图像去斑方法 | |
CN105551029A (zh) | 一种多光谱遥感图像舰船检测方法 | |
CN115546653A (zh) | 一种基于深度加强网络的遥感图像去噪方法 | |
CN114358056A (zh) | 基于深度学习的无人机信号识别方法及系统 | |
CN114880509A (zh) | 模型训练方法、搜索方法、装置、电子设备及存储介质 | |
CN113989339A (zh) | 一种卫星遥感图像配准方法 | |
Cheng et al. | Research on image processing technology based on analog head reading |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |