一种基于改进U-Net网络的玉米干旱状态提取方法

本发明涉及多源数据融合、语义分割技术，具体涉及一种基于改进u-net网络的玉米干旱状态提取方法。

背景技术：

1、干旱是对作物生产和粮食供应产生严重影响的极端气候事件之一，可对区域供水、作物生长和饲料生产都会产生巨大影响，进而引发广泛的社会经济和环境问题。因此，有效的土地干旱状态监测至关重要。近年来，随着遥感技术的不断发展，干旱状态监测摆脱了对传统人工现场测量的依赖。这一发展使得技术人员能够在更广阔的空间和时间尺度上对与干旱相关的关键变量进行观测和估计，为干旱研究和应对工作带来了全新的途径和工具。

2、为此，本发明提出了一种基于改进u-net网络的玉米干旱状态提取方法。该方法通过光学遥感数据生成玉米干旱状态的语义分割掩码，基于改进后的u-net网络对区域玉米gf-2遥感影像数据进行干旱状态的特征识别，最终获得可用于动态监测地面玉米干旱状态的网络模型，对长时序的不同行政划分区域进行玉米干旱状态可视化，实现地面玉米干旱状态动态监测。该发明能够以一种经济快速的方式有效掌握区域内玉米干旱状态的变化情况，辅助农业灾害管理等部门及时发现干旱情况，助力农业智慧发展。

技术实现思路

1、本发明的技术解决问题是：提出一种基于改进u-net网络的玉米干旱状态提取的方法，利用同一时间同一区域的光学遥感数据生成地面干旱状态的语义分割掩码，构建玉米干旱类型分割样本数据库，实现区域内玉米干旱状态变化情况的动态监测，辅助农业灾害管理等部门及时发现干旱情况，助力农业智慧发展。

2、本发明的技术解决方案为：一种基于改进u-net网络的玉米干旱状态提取的方法，首先获取区域gf-2遥感影像数据和区域光学遥感数据，对数据进行存储和预处理；通过光学遥感数据生成玉米干旱状态的语义分割掩码，构建玉米干旱状态分割样本数据库；基于改进后的u-net网络对玉米干旱状态分类数据集进行语义分割，构建玉米干旱类型分割模型；基于玉米干旱类型分割模型对全部区域gf-2遥感影像数据集进行分割，存储全部区域分割预测结果，对全部区域分割预测结果进行地理配准，实现玉米干旱状态的动态监测可视化；其具体步骤如下：

3、(1)获取区域gf-2遥感影像数据和区域光学遥感数据，对数据进行存储和预处理。

4、步骤(1)中，对于获取的区域gf-2遥感影像数据和多源数据，采用标准数据结构进行数据规约。

5、进一步，对gf-2遥感影像数据和光学遥感数据进行高效存储。既可以采用关系型数据库，通过结构化方式，也可以采用nosql数据库，通过非结构化方式，进行数据的逻辑存储与管理；既可以采用集中式高性能存储设备，也可以采用分布式集群方式进行玉米gf-2遥感影像数据的物理存储与优化。

6、更进一步，对gf-2遥感影像数据和光学遥感数据进行预处理，具体步骤包括：

7、a.图像配准。获取东北三省矢量数据，使用arcgis软件将遥感影像tif数据和矢量数据进行地理校准。

8、b.图像切割。将原始高分辨率遥感影像切割为256*256像素的图像。

9、c.图像清洗。将(b)中切割后的数据过滤掉无玉米田、玉米田大量被遮挡的影像，自此原始玉米干旱状态样本数据库构建完成。

10、(2)通过步骤(1)中获取的光学遥感数据生成玉米干旱状态的语义分割掩码，构建玉米干旱状态分割样本数据库。

11、a.边界划分。根据视觉解释，人工划分玉米区与其他各类物体的边界。

12、b.指标提取。提取光学遥感数据的red波段和nir波段，计算玉米区的ndvi，获得玉米区的ndvi图像。

13、c.图像处理。对(b)中获取的玉米区ndvi图像进行多轮次均值滤波。

14、d.掩码生成。根据划定ndvi边界值，对(c)中滤波后的ndvi图像进行on-hot编码。本发明将玉米干旱状态分为5类：未受影响的玉米、轻度干旱的玉米、一般干旱的玉米、严重干旱的玉米和背景，分别采用(255,255,255)、(255,0,0)、(0,255,0)、

15、(0,0,255)、(0,0,0)进行标注，获得玉米干旱状态的语义分割掩码，并将语义分割掩码保存为png格式，作为样本标签数据。将标签数据图像与原始数据图像一一对应，命名相同，样本标签数据和原始数据初步构成玉米干旱状态分割样本数据库。

16、e.数据增强。将(d)中样本标签数据和原始数据使用python进行五种数据增强，分别为水平翻转、亮度减弱、亮度增强、叠加高斯噪点和随机缩放，再和(d)中样本数据库拼接后得到数据增强后玉米干旱状态分割样本数据库。

17、f.图片分类。将步骤(e)获取的玉米干旱状态分割样本数据库中的样本和样本标签一一对应按8:2的比例分为训练集train和验证集val，形成玉米干旱状态分类数据集。

18、(3)对步骤(2)中获取的玉米干旱状态分类数据集进行玉米干旱状态语义分割，构建玉米干旱状态的分割模型，具体步骤包括：a.构建玉米干旱状态的分割模型。模型主要基于开源的u-net神经网络进行改进，为了提升准确率和效率对该神经网络模型的网络结构做出优化。模型主干采用swin-transformer对图像特征进行提取，对比原始cnn主干网络，该网络能够更好的捕捉高分辨率遥感图像中的长程依赖关系，同时极大地减少参数量和计算量。

19、b.损失函数优化。本模型使用bce loss+lovasz-softmax loss结合作为损失函数。bce loss的定义如下：

20、

21、其中：yn是第n个像素的真实值，是是第n个像素的预测值，n为图像的像素总数。bce loss增加了ω0和ω1动态平衡参数，其中：ω0是图像中阳性样本的比例，ω1是图像中阴性样本的，并且：

22、ω1＝1-ω0

23、加入动态平衡参数后，网络将更加集中于正样本，解决正负样本不均衡的问题。iou(intersection-over-union，也叫jaccard index)是图像分割中常用的一个衡量分割效果的评价指标，lovasz-softmax loss采用lovasz extension数学工具将离散的jaccardloss变得光滑化，从而可以直接求导，因此相对于直接对iou进行优化，会有较好的效果。由于lovasz loss存在着训练过程中的不稳定的特性，而且其优化的iou指标效果好，并不一定能说明模型的性能较优，于是本模型提出使用bce loss+lovasz-softmax loss结合作为损失函数来提高模型对多分类任务的分割精度。

24、c.改进的随机权重平均。本模型在使用sgd优化算法训练80轮后再使用改进的随机权重平均优化算法额外训练20轮，增加网络模型在复杂场景下的泛化能力和鲁棒性，提升模型精度。在额外训练的20轮中，使用余弦退火模式周期性上升和下降学习率，让sgd算法不断探索高性能网络权重的集合。在额外训练结束后，对通过sgd优化算法的模型权重求平均，得到最终的随机权重平均参数。

25、(4)基于(3)所得玉米干旱状态的分割模型对同一时域东北三省全部区域遥感影像数据集进行分割，构建区域玉米干旱状态数据集，对区域玉米干旱状态数据集进行地理配准，实现玉米干旱状态的动态监测可视化，具体步骤包括：

26、a.将同一时域东北三省遥感影像数据集按行政边界进行分割，获得全部区域遥感影像数据集。

27、b.将全部区域遥感影像数据集放入模型测试集中，利用玉米干旱状态的分割模型对测试集进行玉米干旱状态特征分割，并存储玉米干旱状态预测结果png图。

28、c.动态监测可视化。将(b)中结果放入可视化数据展示系统，实现玉米干旱状态动态监测。

29、本发明与现有技术相比的优点在于：

30、1、提供了一种基于改进u-net网络的玉米干旱状态提取方法，相较于现有的技术，该模型的分割耗时更短，分割结果更准确。

31、2、采用swin-transformer作为主干网络，同传统的cnn提取方式相比，swin-transformer优秀的其窗口和分层思想使浅层网络的每个像素就具有全局感受野，弥补了传统u-net基于cnn卷积运算而带来的感受野受限，同时也保持较低的计算量，从而更全面地捕捉高分辨率遥感图像中的长程依赖关系，提升分割边界的准确度。

32、3、在该复杂场景模型训练过程中，由于背景像素数量过多，传统的交叉熵损失会将大量背景像素分类为负样本，这会导致模型学习出大量错误的分类决策。本模型的损失函数使用了改进bce loss并结合lovasz-softmax loss后，解决了在复杂场景下多分类样本类别不均衡导致的分类准确性低的问题，同时在iou的指标上有了一定的提升，提高了模型对遥感数据分割的性能。

33、4、相比传统的sgd优化算法让模型简单地收敛到一个解上，改进的随机权重平均算法可以得到一组高性能网络权重，再对这组高性能网络权重求平均可以提升模型的泛化能力和鲁棒性。同时，相比传统的随机权重平均算法始终保持较高的学习率，改进的随机平均算法采用余弦退火模式周期性上升和下降学习率，帮助模型更快地找到损失函数的局部最小值，提高了模型的性能。

技术特征：

1.一种基于改进u-net网络的玉米干旱状态提取方法，其特征在于如下步骤：

2.根据权利要求1所述的基于改进u-net网络的玉米干旱状态提取方法，其特征在于，所述步骤1中，对于区域gf-2遥感影像数据和光学遥感数据的存储，采用关系型数据库或者采用nosql数据库进行数据的逻辑存储与管理；采用集中式高性能存储设备，或者采用分布式集群方式进行数据的物理存储与优化；对于区域gf-2遥感影像数据的处理，包括图像配准、图像切割和图像清洗。

3.根据权利要求1所述的基于改进u-net网络的玉米干旱状态提取方法，其特征在于，所述步骤2中，对于玉米干旱状态的语义分割掩码的生成，包括玉米ndvi提取、ndvi图像均值滤波、划定分类边界值、生成语义分割掩码；对于玉米干旱状态分割样本数据库的构建，包括gf-2遥感影像和语义分割掩码的数据增强、数据集拼接、图片分类。

4.根据权利要求1所述的基于改进u-net网络的玉米干旱状态提取方法，其特征在于，所述步骤3中，对玉米干旱状态分类数据集进行语义分割，包括：

5.根据权利要求1所述的基于改进u-net网络的玉米干旱状态提取方法，其特征在于，所述步骤4中，对全部区域gf-2遥感影像数据进行分割，包括：

6.根据权利要求1所述的基于改进u-net网络的玉米干旱状态提取方法，其特征在于，构建玉米干旱状态分割样本数据库，具体步骤包括：边界划分、指标提取、图像处理、掩码生成、数据增强、图片分类；

7.根据权利要求1所述的基于改进u-net网络的玉米干旱状态提取方法，其特征在于，对米干旱状态分类数据集进行玉米干旱状态语义分割，构建玉米干旱状态的分割模型，具体步骤包括：构建玉米干旱状态特征学习模型、玉米干旱状态特征模型训练、模型参数随机平均、存储最优模型。

8.根据权利要求1所述的基于改进u-net网络的玉米干旱状态提取方法，其特征在于，构建玉米干旱状态特征学习模型：以u-net网络模型为主体进行优化，分为encoder层和decoder层：

9.根据权利要求1所述的基于改进u-net网络的玉米干旱状态提取方法，其特征在于，构建玉米干旱状态的分割模型；基于开源的u-net神经网络进行改进，主干采用swin-transformer对图像特征进行提取，对比原始cnn主干网络；

技术总结
本发明公开了一种基于改进U‑Net网络的玉米干旱状态动态监测方法。首先，获取区域GF‑2遥感影像数据和光学遥感数据，对数据进行存储、配准、切割，并基于光学遥感数据生成玉米干旱状态的语义分割掩码，构建玉米干旱状态分类数据集。随后，基于改进后的U‑Net网络对生成的玉米干旱状态分类数据集进行分割，构建针对玉米干旱状态的分割模型。通过将GF‑2遥感影像数据作为神经网络的输入对模型进行训练，最终获得了可用于动态监测地面玉米干旱状态的网络模型。利用本发明可以实现对区域内玉米干旱状态的动态监测，有效掌握区域内玉米干旱的变化情况，辅助农业灾害管理等部门及时发现玉米作物干旱情况，助力农业智慧发展。

技术研发人员：田莉,刘希亮,杨阳
受保护的技术使用者：中国科学院地理科学与资源研究所
技术研发日：
技术公布日：2024/9/23