技术摘要：
本发明公开了一种基于深度学习的卫星影像河流两侧采砂提取方法及系统，包括：一、将卫星影像进行数据预处理，得到地表真实影像和归一化水体指数影像；二、对地表真实影像进行数据标注，得到含有采砂和非采砂信息的地表真实标注影像；三、将地表真实影像、归一化水体指  全部
背景技术：
随着高分辨率对地观测的持续推进，卫星遥感数据资源日益丰富，空间分辨率达 到了亚  米级水平。 高分辨率影像具有：(a)能够展示地面目标的清晰细节，减小了目标地物类间差 异，但 同时也增大了类内差异；(b)波段一般较少，光谱信息相对欠缺；(c)相比于中、低分 辨率  影像，数据量更大、复杂度更高。由于上述几点原因，传统计算机影像解译方法受到限 制，  深度学习技术因能够自动地从浅层的特征中学习更加复杂和抽象的深层特征已被广 泛应用于 高分辨率影像解译并取得了很好的结果。
技术实现要素：
针对现有技术存在的问题，本为了提高图像处理的效率和准确性，本发明提出了 一种基  于深度学习的卫星影像河流两侧采砂提取方法及系统。 本发明的目的之一在于提供一种基于深度学习的卫星影像河流两侧采砂提取方 法，包括  如下步骤： S1、将获取的无云、无雾霾高分辨率卫星影像进行数据预处理，得到地表真实影像 和归 一化水体指数影像； S2、对所述地表真实影像进行数据标注，得到含有采砂和非采砂信息的地表真实 标注影  像； S3、将所述地表真实影像、归一化水体指数影像、地表真实标注影像按照相同的方 式同 步裁剪，并进行数据增强，得到深度学习算法训练所需的样本； S4、将所述样本输入深度学习算法中进行训练； S5、用训练得到的模型对输入的地表真实影像和归一化水体指数影像进行河流两 侧采砂  信息提取，得到地表真实预测影像； S6、通过判定提取精度达标情况选择人工修正地表真实预测影像的错误结果至地 表真实 标注影像，并进行循环迭代训练直至精度达标或者输出最终提取结果。 进一步：所述数据预处理包括： 首先通过Brovey变换将高分辨率影像的多光谱波段和全色波段进行融合；具体的 计算公 式为： 其中，Bandn为融合后的某一波段，B1、B2、…、Bn分别为多光谱波段的1、2、…、n  波 4 CN 111738168 A 说　明　书 2/10 页 段，P为全色波段； 然后对融合影像进行波段运算，得到地表真实影像和归一化水体指数影像；所述 波段运  算具体为：将融合影像中的红波段、绿波段、蓝波段进行分离，并按照正常顺序进行 合成得  到地表真实影像，利用绿波段和近红外波段计算得到归一化水体指数影像，计算公 式为： 其中，G为融合影像的绿波段，NIR为融合影像的近红外波段。 进一步：所述数据标注为：将地表真实影像在ArcGIS中进行标注，得到只含有采砂 和非  采砂信息的地表真实标注影像。 进一步：所述深度学习算法包括输入部分、特征提取部分、特征还原部分和输出部 分。 进一步：所述人工修正为利用ArcGIS软件对提取的结果进行编辑。 本发明的目的之二在于提供一种基于深度学习的卫星影像河流两侧采砂提取系 统，至少  包括： 图像预处理模块，将获取的无云、无雾霾高分辨率卫星影像进行数据预处理，得到 地表 真实影像和归一化水体指数影像； 标注模块，对所述地表真实影像进行数据标注，得到含有采砂和非采砂信息的地 表真实 标注影像； 裁剪模块，将所述地表真实影像、归一化水体指数影像、地表真实标注影像按照相 同的 方式同步裁剪，并进行数据增强，得到深度学习算法训练所需的样本； 训练模块，将所述样本输入深度学习算法中进行训练； 提取模块，用训练得到的模型对输入的地表真实影像和归一化水体指数影像进行 河流两  侧采砂信息提取，得到地表真实预测影像； 修正模块，通过判定提取精度达标情况选择人工修正地表真实预测影像的错误结 果至地  表真实标注影像，并进行循环迭代训练直至精度达标或者输出最终提取结果。 进一步：所述数据预处理包括： 首先通过Brovey变换将高分辨率影像的多光谱波段和全色波段进行融合；具体的 计算公 式为： 其中，Bandn为融合后的某一波段，B1、B2、…、Bn分别为多光谱波段的1、2、…、n  波 段，P为全色波段； 然后对融合影像进行波段运算，得到地表真实影像和归一化水体指数影像；所述 波段运  算具体为：将融合影像中的红波段、绿波段、蓝波段进行分离，并按照正常顺序进行 合成得  到地表真实影像，利用绿波段和近红外波段计算得到归一化水体指数影像，计算公 式为： 5 CN 111738168 A 说　明　书 3/10 页 其中，G为融合影像的绿波段，NIR为融合影像的近红外波段。 进一步：所述数据标注为：将地表真实影像在ArcGIS中进行标注，得到只含有采砂 和非  采砂信息的地表真实标注影像。 本发明的目的之三在于提供一种实现基于深度学习的卫星影像河流两侧采砂提 取方法的  计算机程序。 本发明的目的之四在于提供一种实现基于深度学习的卫星影像河流两侧采砂提 取方法的  信息数据处理终端。 本发明的目的之五在于提供一种计算机可读存储介质，包括指令，当其在计算机 上运行 时，使得计算机执行基于深度学习的卫星影像河流两侧采砂提取方法。 本发明的优点及积极效果为： 本发明通过将制作的样本数据输入深度学习算法进行训练：一方面，批归一化、随 机失  活使得算法的每一层能够快速收敛，残差连接使得算法变得很深以提取更加丰富的 高级语义  特征；另一方面，NDWI影像可以突出水体特征，对算法训练过程中有效规避河流 中水体具  有指导作用。然后，利用训练后的模型对影像进行采砂提取并视精度达标情况进 行人工修正  循环迭代训练或者直接输出结果。本发明方法形成了一个闭合的良性循环，能 够在确保采砂  信息提取精度的前提下，很大程度上节省人力物力成本，更好地服务于水利 行业强监管的执 行。 附图说明 图1为本发明优选实施例的流程图； 图2为本发明优选实施例中数据预处理流程图； 图3是高分二号影像融合前后对比图，3a为融合前影像，3b为融合后影像。 图4是高分二号影像裁剪和增强图，4a为地表真实影像图、4b为NDWI影像图、4c为  地表真实影像标注图。 图5是深度学习算法结构图。 图6是本发明方法影像信息提取图，从左往右、从上往下分别为地表真实影像图、 NDWI  影像图、实地调查图、地表真实影像标注图采用本发明方法的信息提取图。