文献总结 | ISPRS:基于深度学习的浅海水域高分辨率航空影像太阳耀光的检测算法

文摘   2024-04-11 16:20   北京  

点击上方湖泊遥感与智慧流域关注我们

研究背景
RESEARCH BACKGROUND
太阳耀光是高分辨率遥感在水域监测方面所面临的重要挑战之一。对于利用航空影像监测浅水区域的底栖群落而言,太阳耀光降低了从航空影像中获取水下信息的能力,可能导致与水下目标信息混淆,从而引发错误的识别或分类。

尽管多光谱和高光谱影像已经有多种太阳耀光的校正方法,但针对高分辨率RGB影像(如使用无人机获取的影像),目前尚未开发出相应的识别方法。随着高分辨率RGB无人机影像在沿海水域监测中的广泛应用,迫切需要解决太阳耀光带来的问题。因此本研究提出了一种能够自动检测高分辨率无人机影像中太阳耀光的人工神经网络方法。

研究方法
在2019年3月和5月,从豪勋爵群岛采集高分辨率无人机图像,以创建正射影像数据集。所获取的影像包含太阳耀光以及珊瑚等底栖基质。

使用DJI Phantom4Pro无人机,搭载1英寸CMOS传感器,20M有效像素,84°视场,并在50米高度配备了一个ND8偏振滤光镜采集正射影像。设置飞行速度为5米/秒。并使用DroneDeploy软件进行飞行和图像构建,生成分辨率为2cm的正射影像。采集了两个正射影像数据集,一个用于训练模型,另一个用于模型精度评价。

图1 (a)Phantom 4 Pro无人机,(b)ND8滤镜,(c)无人机飞行路线,(d)太阳耀光和底栖群落(e)豪勋爵岛的北湾

创建训练数据集:

为了创建一个能够识别太阳耀光的神经网络,首先创建一个太阳耀光的训练数据集,供模型“学习”。使用eCognition软件对太阳耀光图像进行分类,该软件支持面向对象的图像分析方法,相较于传统的像素级分类方法更适用于高分辨率图像。本文开发了一个半自动的识别算法,通过影像上的颜色、形状和与其他影像的关系来识别太阳耀光。然而由于太阳耀光和珊瑚具有相似的视觉属性,最后需要手动对图像对象进行检查和纠正。
1 用于太阳耀光识别的的参数

数据准备和训练

将训练数据分为耀光区域和非要光区域,创建一个二进制数据集,并保存为TIFF格式。使用gdal2tiles软件包将图像和分类分割成256×256像素的图像,并分为训练、验证和测试数据集。随机分配了80%9281)用于训练,10%1205)用于验证,10%(1311)用于测试。

采用修改后的U-net架构的语义图像分割网络,并使用Adam优化算法进行训练。在训练集上取得高准确性后,对随机分配的测试数据集进行图像分割测试,以检测可能存在的偏差和过拟合,并进行必要的调整。

2 优化后的U-net示意图
研究结果
从训练数据集中随机选取了五个子集进行数据验证。在太阳耀光和非太阳耀光定义类别中,准确性达到94.99%。被正确识别为非太阳耀光的像素占比为93.82%,而被错误识别为太阳耀光的像素有9.18%所有太阳耀光区域均被准确识别。

模型的输出结果为每个像素介于0-1的浮点数,表示该像素属于太阳耀光的可能性。本研究通过在精度和召回率之间取得最佳平衡的阈值来实现太阳耀光的识别。像素值低于0.19的像素被标记为非太阳耀光,高于0.19的像素被识别为太阳耀光。该阈值具有65.33%的精度、66.07%的召回率和99.18%的总体准确度。

3 精密度-召回曲线,曲线下面积(AUC)0.71

通过目视的方式对模型算法结果进行验证。该模型识别的太阳耀光区域与半自动工作流程中的区域非常相似。但是,在太阳耀光的大小和形状方面存在轻微差异,模型可以更加准确的识别出影像中较小区域的太阳耀光。

图4 上面一行,包含太阳耀光影像;中间行,半自动化流程识别的太阳耀光区域;底下一行;神经网络识别的太阳耀光区域。

神经网络的太阳耀光识别精度通过混淆矩阵进行展示,以总像素数、模型识别结果与实际太阳耀光区域的百分比形式呈现(见表2)。

2 神经网络精度统计

总结讨论
本研究开发了一个人工神经网络算法,能够自动检测高分辨率图像中的太阳耀光。该算法具有较高的识别准确度,总体准确率达到99.18%。

同时,该算法可通过微调特定参数或调整分析脚本中的阈值,以满足不同需求,并提升其适用性。
✎ 编者注

以上总结仅代表个人对论文的理解,仅供研究参考所用,不用于商业用途。若上述理解内容有误,请以论文原文为主。未经同意,禁止转载。


原文链接 ↓
https://doi.org/10.1016/j.isprsjprs.2021.09.004

点击左下方 “阅读原文” 可下载论文原文。



团队介绍

湖泊遥感与智慧流域创新团队,主要围绕湖泊开展历史重构、现状观测和未来变化模拟等模型研制和应用实践工作,并在流域尺度开展大数据智慧管理平台研究,保障湖泊水质安全。团队拥有博士和硕士导师4人(段洪涛,罗菊花,刘东,谭振宇),可分别在中国科学院南京地理与湖泊研究所、西北大学以及南京信息工程大学(国科大南京学院联合培养)等招收博、硕士研究生,欢迎报考!同时,长期招收联合培养研究生,欢迎咨询!

联系人:段洪涛研究员,htduan@niglas.ac.cn

点击下方链接直接关注我们

科学前沿丨文献总结 | RSE:基于深度学习算法的大西洋马尾藻分布及量化研究
科学前沿丨文献总结 | WR:气候对湖泊中叶绿素a和浮游植物生物量的相对贡献分析
科学前沿丨文献总结 | WR:浅水湖泊溶解二氧化碳和甲烷浓度对变暖的响应
科学前沿丨文献总结 | RSE:2022年巴基斯坦洪水Sentinel-1 SAR 观测分析
团队成果 | JAG:基于摄像头RGB图像的蓝藻水华动态实时监测算法研究
团队成果 | 湖泊草藻不同群落遥感自动识别算法研究取得进展
团队动态 | 段洪涛研究员连续4年入选全球前2%科学家榜单
团队动态段洪涛研究员荣获朱李月华优秀教师奖

湖泊遥感与智慧流域
围绕“湖泊遥感与智慧流域”方向,介绍学科方向前沿,分享团队研究成果和动态,提供论文下载和数据共享等服务。版权所有 @ NN TEAM联合创新团队(NIGLAS & NWU Innovation Team)
 最新文章