(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210389921.6 (22)申请日 2022.04.14 (71)申请人 中国人民解 放军92859部队 地址 300061 天津市河西区友谊路40号 (72)发明人 李海滨　滕惠忠　金际航　贾俊涛　 王耿峰　杨长保　闸旋　杨盼　 叶秋果　辛宪会　陆博文　郑子皓　 (74)专利代理 机构 天津盛理知识产权代理有限 公司 12209 专利代理师 王利文 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/40(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06V 10/774(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于Deeplabv3+网络模型的海岛礁遥感影 像地质分类方法 (57)摘要 本发明涉及一种基于Deeplabv3+网络模型 的海岛礁遥感影像地质分类方法， 其技术特点 是： 获取珊瑚岛礁的原始遥感影像， 并对原始遥 感影像进行数据预处理； 建立珊瑚岛礁的地质分 类体系， 从预处理后的遥感影像中进行特征提取 与分类， 得到珊瑚岛礁的地质分类数据集； 使用 珊瑚岛礁 的地质分类数据集对Deeplabv3+卷积 神经网络和ResNet残差网络模型进行训练， 得到 训练后的识别与分类模型； 使用训练后的识别与 分类模型进行预测， 得到海岛礁遥感地质分类结 果图。 本发明设计合理， 用于海洋珊瑚岛礁的高 分辨率遥感影像 分类， 具有较高的分类精度并且 能够较好地区分不同地物之间的细 节， 总体分类 精度和Kappa系数分别为97.57％和0.9643， 可广 泛用于海岛礁遥感地质分类 。 权利要求书1页 说明书5页 附图4页 CN 114743103 A 2022.07.12 CN 114743103 A 1.一种基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法， 其特征在于： 包括 以下步骤： 步骤1、 获取珊瑚岛礁的原 始遥感影 像， 并对原 始遥感影 像进行数据预处 理； 步骤2、 建立珊瑚岛礁的地质分类体系， 从预处理后的遥感影像中进行特征提取与分 类， 得到珊瑚岛礁的地质分类数据集； 步骤3、 使用珊瑚岛礁的地质分类数据集对Deeplabv3+卷积神经网络和ResNet残差网 络模型进行训练， 得到训练后的识别与分类模型； 步骤4、 使用训练后的识别与分类模型进行 预测， 得到海岛礁遥感地质分类结果图。 2.根据权利要求1所述的基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法， 其特征在于： 所述珊瑚岛礁的原 始遥感影 像采用Quick  Bird高分辨 率遥感影 像。 3.根据权利要求1所述的基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法， 其特征在于： 所述步骤1对原始遥感影像进 行数据预处理包括几何校正、 图像融合和图像增 强， 使得岛、 礁、 沙、 滩的信息都得到增强。 4.根据权利要求1所述的基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法， 其特征在于： 所述步骤2建立珊瑚岛礁的地质分类体系将岩石类型分为如下七种类型： 砂屑 灰岩、 细砂、 中砂、 粗砂、 珊瑚砾屑灰岩、 珊瑚砾块灰岩和珊瑚骨架灰岩。 5.根据权利要求1所述的基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法， 其特征在于： 所述步骤2从预处理后的遥感影像中进 行特征提取与分类的方法为： 使用不同 颜色将不同地质类型进行区分标注， 将进行标注了的图像按照32*32大小像素对目标岛礁 影像进行图斑分割， 得到标注图像， 采用随机选取方式选取训练数据集， 对标签数据的相同 位置以同等大小范围进行裁 剪， 并利用规则格网选取测试 数据集。 6.根据权利要求1所述的基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法， 其特征在于： 所述步骤3的具体实现方法为： 采用迁移学习的方法， 在Deeplabv3+网络模型 的基础上， 采用ResNet50为主干模 型用于提取特征， 对原网络的解码 部分进行微调； 在训练 过程中采用early  stopping和学习率下降训练技巧进行训练， 训练 时使用珊瑚岛礁的地质 分类数据集的训练数据集。权　利　要　求　书 1/1 页 2 CN 114743103 A 2基于Deeplabv3+网 络模型的海岛礁遥感影像地质分类方 法 技术领域 [0001]本发明属于遥感监测技术领域， 尤其是一种基于Deeplabv3 +网络模型的海岛礁遥 感影像地质分类方法。 背景技术 [0002]珊瑚礁是热带海洋中浅水造礁石珊瑚虫体和其他附礁生物的遗骸经过胶结作用 形成的， 它们是海洋中一种极其特殊的生态系统， 被称为 “海洋中的热带雨林 ”和“蓝色沙漠 中的绿洲 ”， 因此， 珊瑚礁不仅是海洋中的一种重要资源， 而且也是一种重要的陆地资源。 [0003]珊瑚礁是我国开发利用、 保护和控制海域的重要支点。 对珊瑚礁进行精细的调查 分析具有重要意义， 不仅是对珊瑚礁资源开发利用和管理保护的支持， 也是珊瑚礁工程建 设、 航行安全保护和维护国家海洋权利和领土完整的重大需求。 然而， 受自然环境条件等因 素的限制， 如珊瑚礁往往狭小、 地理结构单一以及生态环境脆弱， 因此， 珊瑚礁大多不易或 不适合大规模、 高频的野外调查。 [0004]遥感技术作为一种新兴的、 非接触式的调查手段， 具有大面积的同步覆盖、 对同一 区域进行重复检测、 精度高、 信息量丰富等优点。 尤其高分辨率遥感还具有较高的空间分辨 率和定位精度， 已被证实是开展珊瑚岛礁调查与监测的一种有效技术手段。 多平台、 多传感 器、 多种空间和光谱分辨率的遥感数据可应用于珊瑚岛礁， 高分辨率遥感技术已成为大范 围进行珊瑚岛礁分类的重要手段。 [0005]传统的高分辨率遥感影像分类技术往往需要人工 的参与， 例如基于阈值分割法、 区域分割法、 机器学习算法SVM和边缘检测分割法等， 这些方法需要 人工选取合适的特征参 数， 针对边界清晰的简单场景有很好的分割效果， 但在复杂场景下准确性和分割效果较差。 其次由于遥感图像光谱分辨率较低， 传统的遥感影像分类方法存在分割精度低和分割边界 模糊等问题。 发明内容 [0006]本发明的目的在于克服现有技术的不足， 提供一种设计合理、 精度 高且分类准确 的基于De eplabv3+网络模型的海岛礁遥感影 像地质分类方法。 [0007]本发明解决现有的技 术问题是采取以下技 术方案实现的： [0008]一种基于De eplabv3+网络模型的海岛礁遥感影 像地质分类方法， 包括以下步骤： [0009]步骤1、 获取珊瑚岛礁的原 始遥感影 像， 并对原 始遥感影 像进行数据预处 理； [0010]步骤2、 建立珊瑚岛礁的地质分类体系， 从预处理后的遥感影像中进行特征提取与 分类， 得到 珊瑚岛礁的地质分类数据集； [0011]步骤3、 使用珊瑚岛礁的地质分类数据集对Deeplabv3+卷积神经网络和ResNet残 差网络模型进行训练， 得到训练后的识别与分类模型； [0012]步骤4、 使用训练后的识别与分类模型进行预测， 得到海岛礁遥感地质分类结果 图。说　明　书 1/5 页 3 CN 114743103 A 3