202011518292X基于多尺度卷积-多核池化的高分辨率影像水体提取方法.pdf

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN112560719B
(45)授权公告日2023.07.04
(21)申请号202011518292.X(56)对比文件
(22)申请日2020.12.21CN110781775A,2020.02.11
CN111783782A,2020.10.16
(65)同一申请的已公布的文献号CN111079649A,2020.04.28
申请公布号CN112560719ACN110287962A,2019.09.27
(43)申请公布日2021.03.26CN112001293A,2020.11.27
(73)专利权人南京信息工程大学CN111563491A,2020.08.21
地址210000江苏省南京市宁六路219号CN111127493A,2020.05.08
US6269192B1,2001.07.31
(72)发明人管海燕康健曹爽US2020025877A1,2020.01.23
(74)专利代理机构南京经纬专利商标代理有限康健.基于多尺度特征增强网络的高分辨遥
公司32200感影像水体提取《.中国优秀硕士学位论文全文
专利代理师田凌涛数据库基础科学辑》.2023,(第(2023)01期),
(51)Int.Cl.A008-304.
G06V20/13(2022.01)宋廷强等.基于深度学习的高分辨率遥感
G06V10/40(2022.01)图像建筑物识别《.计算机工程与应用》.2020,第
G06V10/28(2022.01)56卷(第8期),26-34.
G06V10/26(2022.01)魏青迪.基于卷积神经网络的高分二号遥感
G06V10/774(2022.01)影像提取方法《.中国优秀硕士学位论文全文数
G06V10/764(2022.01)据库工程科技Ⅱ辑》.2020,(第(2020)01期),
G06V10/82(2022.01)C028-163.(续)
G06N3/0464(2023.01)审查员黄娟

G06N3/045(2023.01)
G06N3/08(2023.01)权利要求书1页说明书4页附图2页
(54)发明名称水体提取。
基于多尺度卷积-多核池化的高分辨率影像
水体提取方法
(57)摘要
本发明公开了一种基于多尺度卷积‑多核池
化的高分辨率影像水体提取方法，方法包括获取
目标影像，基于自适应直方图均衡化算法对目标
影像进行预处理，获取更新的目标影像，将更新
的目标影像输入至训练好的多尺度卷积‑多核池
化的编码‑解码网络模型，对目标影像中的水体
区域进行提取；所述水体区域提取模型为多尺度
卷积‑多核池化的编码‑解码网络模型。本发明提
供的方法能减少原始影像特征丢失，可高精度、
CN112560719B高准确率、自动化从高分辨率影像进行多种尺度

[转续页]
CN112560719B2/2页
[接上页]
(56)对比文件Geoinformation》.2021,第103卷1-12.
KangJian等.Multi-scalecontextZimingMiao等.AutomaticWater-Body
extractornetworkforwater-bodySegmentationFromHigh-Resolution
extractionfromhigh-resolutionopticalSatelliteImagesviaDeepNetworks《.IEEE
remotelysensedimages《.InternationalGEOSCIENCEANDREMOTESENSINGLETTERS》
JournalofAppliedEarthObservationand.2018,第15卷(第4期),1-5.

2
CN112560719B权利要求书1/1页

1.一种基于多尺度卷积‑多核池化的高分辨率影像水体提取方法，用于对目标影像中
的水体区域进行提取，其特征在于，方法包括如下步骤：
步骤1、获取目标影像；
步骤2、基于自适应直方图均衡化算法对目标影像进行预处理，获取更新的目标影像；
步骤3、将更新的目标影像输入至训练好的水体区域提取模型，对目标影像中的水体区
域进行提取；所述水体区域提取模型为多尺度卷积‑多核池化的编码‑解码网络模型；
所述多尺度卷积‑多核池化的编码‑解码网络模型包括编码器、解码器、桥接模块；
所述编码器采用Residual残差块和池化层进行下采样；所述解码器采用转置卷积层进
行上采样；所述桥接模块包括多尺度的卷积块和多核池化块；所述Residual残差块采用
ResNet18/34的BasicBlock结构；
所述桥接模块通过其中多尺度的卷积块和多核池化块对编码器和解码器底端进行桥
接；
所述的多尺度