一种融合多源SAR数据的灾情图像提取方法及系统与流程

本发明涉及灾情图像分析，具体为一种融合多源sar数据的灾情图像提取方法及系统。

背景技术：

1、基于合成孔径雷达的自动目标识别算法已经成为近年来的研究热点，其研究成果被广泛应用于军用和民用领域，例如国土安全、视频监控、智能家居等，sar成像结果有对目标方位变化敏感、相对抽象等缺点，而多源数据融合方法可以通过对不同数据源数据进行融合处理，增加对目标信息的获取量，从而提升对目标相应参数变化的鲁棒性，提高目标识别正确率，采用基于多源数据融合的目标识别算法，弱化sar图像的目标方位依赖特性对识别结果的影响，提高识别结果的稳定性，更好地满足灾情环境下对地物目标进行自动识别的要求，因此，我们提出一种融合多源sar数据的灾情图像提取方法。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明解决的技术问题是：融合多源sar数据的灾情图像如何高效、准确提取的问题。

3、为解决上述技术问题，本发明提供如下技术方案：一种融合多源sar数据的灾情图像提取方法，包括：

4、对多源的sar数据进行连通采集，得到多源sar数据；

5、将所述多源sar数据进行多层深度特征提取操作，得到标签特征图像集；

6、对所述标签特征图像集进行分组特征增强操作，得到增强灾情图像特征集合。

7、作为本发明所述的融合多源sar数据的灾情图像提取方法的一种优选方案，其中：所述多源的sar数据包括，多个卫星平台采集的sar数据、灾情发生时不同时间段的sar数据、不同极化方式采集的sar数据及不同波段的sar数据；

8、所述连通采集包括，利用预构建的数据网络对多源的sar数据进行连通采集。

9、作为本发明所述的融合多源sar数据的灾情图像提取方法的一种优选方案，其中：所述多层深度特征提取操作包括，利用预构建的灾情特征综合提取网络中的改进resnet-101骨干网络，对所述源sar数据进行网络计算，并利用预设接口，查看所述改进resnet-101骨干网络中各网络层的计算结果，输出得到最高层输出结果、第三层输出结果、第二层输出结果及最低层输出结果。

10、作为本发明所述的融合多源sar数据的灾情图像提取方法的一种优选方案，其中：所述分组特征增强操作包括，根据所述第二层输出结果对应的分辨率，对所述第三层输出结果进行2倍上采样，得到分辨率修改第三层结果；

11、利用预构建的第一卷积核，对所述第二层输出结果进行卷积，得到第二层特征，及利用预构建的第二卷积核，对所述分辨率修改第三层结果进行卷积操作，得到第三层特征；

12、对所述第二层特征及第三层特征进行相乘，得到中层融合特征；

13、利用预构建的第三卷积核，将所述中层融合特征进行卷积，得到预设目标通道数的中层卷积融合特征；

14、利用预构建的有效通道空洞空间卷积池化金字塔网络，对所述最高层输出结果进行多尺度特征深入提取，得到多尺度高层特征；

15、利用残差结构对所述多尺度高层特征与最高层输出结果进行连接，得到高层残差连接特征；

16、对所述中层融合特征及所述高层残差连接特征进行拼接，并对拼接结果进行2倍上采集，得到灾后图像融合特征；

17、利用amm注意力机制对所述最低层输出结果进行加权，得到加权结果，并利用预设的第三卷核将所述加权结果进行通道冗余消除操作，得到冗余消除特征；

18、将所述冗余消除特征与所述灾后图像融合特征进行拼接，得到增强灾情图像特征集合。

19、作为本发明所述的融合多源sar数据的灾情图像提取方法的一种优选方案，其中：所述灾情特征综合提取网络，表示为：

20、

21、其中，ifusion表示融合了多源sar数据的增强灾情图像特征集合，fupsample()表示上采样函数，表示第一卷积核，表示第二卷积核，表示第三卷积核，ibottom表示最低层输出结果，i2表示第二层输出结果，i3表示第二层输出结果，itop表示最高层输出结果，paspp()表示有效通道空洞空间卷积池化金字塔网络函数，r()表示残差连接函数，a()表示注意力机制函数，e()表示为冗余消除函数。

22、作为本发明所述的融合多源sar数据的灾情图像提取方法的一种优选方案，其中：所述多尺度特征深入提取包括，利用所述有效通道空洞空间卷积池化金字塔网络，对所述最高层输出结果进行全局平均池化操作，得到平均池化特征；

23、根据预设的卷积核大小确定算法及预设通道维度c，得到卷积核k；

24、利用所述卷积核k对所述平均池化特征进行一维卷积操作，得到一维卷积结果，并利用sigmoid激活函数对所述一维卷积结果进行计算，得到各通道数的权重；

25、根据所述各通道数的权重，对所述最高层输出结果进行权重配置，得到多尺度高层特征；

26、所述卷积核大小确定算法，具体计算如下

27、k＝ψ(c)＝|log2(c)γ+bγ|odd

28、其中，k表示卷积核k的大小，γ取值为2，b取值为1；c表示输入的通道维数；|log2(c)γ+bγ|odd表示最接近log2(c)γ+bγ的奇数。

29、作为本发明所述的融合多源sar数据的灾情图像提取方法的一种优选方案，其中：所述灾情特征综合提取网络还可以包括，利用所述灾情特征综合提取网络与预构建的全连接网络进行拼接，构建得到灾情特征识别分析模型；

30、根据预设的灾情分析方向，获取所述灾情分析方向对应的多源sar数据训练样本；

31、将所述多源sar数据训练样本导入所述灾情特征识别分析模型中，对所述全连接网络进行训练，得到训练完成的灾情特征识别分析模型；

32、获取灾情即时多源sar数据，利用训练完成的灾情特征识别分析模型对所述灾情即时多源sar数据进行分析，得到所述灾情分析方向对应的灾情分析结果。

33、一种采用融合多源sar数据的灾情图像提取系统，其中，数据采集模块，用于对多源的sar数据进行连通采集，得到多源sar数据；

34、多层深度特征提取模块，用于将所述多源sar数据进行多层深度特征提取操作，得到标签特征图像集；

35、灾情图像特征提取模块，用于对所述标签特征图像集进行分组特征增强操作，得到增强灾情图像特征集合。

36、一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现本发明中任一项所述的方法的步骤。

37、一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现本发明中任一项所述的方法的步骤。

38、本发明的有益效果：本发明提供的融合多源sar数据的灾情图像提取方法首先可以通过数据网络获取多源sar数据，并对多源sar数据进行特征骨干提取，获得各个sar数据各自的高层与底层特征，用于后续分析，其中，使用resnet-101作为骨干网络，对提取出的各层特征图进行，取骨干网络较浅的某层特征图作为底层特征，取骨干网络较深的某层特征图作为高层特征，方便对后续的灾情特征综合提取网络进行训练；本发明通过分步解码来提高像素间的连续性；并利用表征生成高分辨率数据，并生成新的描述性知识；本发明通过有效通道空洞空间卷积池化金字塔网络中的eca结合通道维度能够对多尺度特征进行优劣筛选，改善多尺度提取效果，提高了灾情图像特征提取的准确性及丰富性。