(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221041386 3.6 (22)申请日 2022.04.20 (71)申请人 成都锦城学院 地址 611731 四川省成 都市高新区西源大 道1号 (72)发明人 徐艳　赵鲁瑜　谢汶琏　 (74)专利代理 机构 成都华瑾知识产权代理事务 所(普通合伙) 51333 专利代理师 文莹森 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) G06Q 10/06(2012.01)G06Q 50/06(2012.01) (54)发明名称 一种基于改进深度残差网络的区域水资源 分类评价方法 (57)摘要 本发明涉及深度 残差网络技术领域， 且公开 了一种基于改进深度残差网络的区域水资源分 类评价方法， 包括图像增强、 图像融合、 图像标记 和图像分割四个步骤。 该基于改进深度残差网络 的区域水资源分类评价方法， 图像增强是为了提 高图像信息和质量， 使其特征在人眼观察下更加 明显， 增强区域水资源识别的效果， 视觉分析忽 略数字干扰程度， 在遥感图像的各个方面发挥着 重要作用， 图像融合是对低空间分辨率的多光谱 图像和高空间分辨率的单波段图像进行重放采 样， 生成新的高分辨率的多光谱图像， 使生成的 图像具有高空间分辨率和多光谱 特征， 主要采用 复合模式， 整合不同传感器的遥感图像数据源提 供的信息， 获得高质量的图像信息 。 权利要求书2页 说明书12页 附图5页 CN 114511791 A 2022.05.17 CN 114511791 A 1.一种基于改进深度残差网络的区域水资源分类评价方法， 其特征在于， 包括图像增 强、 图像融合、 图像标记和图像分割四个步骤； 所述图像增强进行高斯低通滤波的具体步骤如下： （1） 选择具有明显水和陆分辨率的遥感图像， 以灰度图的形式读取图像的所有四个波 段； （2） 一个单独的高斯滤波器将模糊遥感图像的边 缘， 降低对比度； （3） 将高斯核直接移动到 遥感图像中要处 理的像素之上； （4） 将遥感图像对应位置的像素值分别乘以高斯核的权值； （5） 将上一 步得到的结果加为区域图像的像素值遥感图像。 2.根据权利要求1所述的一种基于改进深度残差网络的区域水资源分类评价方法， 其 特征在于， 所述图像融合主要采用复合模式， 整合不同传感器的遥感 图像数据源提供 的信 息， 获得高质量的图像信息， 同时消除多个传感器之间的信息差异， 降低遥感图像的模糊程 度， 从而提高图像的清晰度。 3.根据权利要求1所述的一种基于改进深度残差网络的区域水资源分类评价方法， 其 特征在于， 所述图像标记的基本要素 特征包括光谱平均值、 面积、 矩形度和长 宽比。 4.根据权利要求1所述的一种基于改进深度残差网络的区域水资源分类评价方法， 其 特征在于， 所述图像标记分为以下几种步骤： （1） 利用OpenCV的合并功能， 选择原始遥感图像的前三个波段作为BGR的三个通道， 合 成一个以jpg格式呈现的新彩色图像； （2） 使用Labelme 图像标记工具， 以多边形的形式标记彩色图像中的水部分， 在标记时 保存标记多边形的顶点； （3） 创建与原始图像相同大小的图像， 默认为黑色， 读取每个多边形的顶点， 并使用 OpenCV填充 多边形函数用白色填充 多边形中像素点的RGB； （4） 根据上述过程得到的多边形的顶点被标记为遥感图像的水部分， 黑色区域代表土 地， 白色区域代 表水。 5.根据权利要求1所述的一种基于改进深度残差网络的区域水资源分类评价方法， 其 特征在于， 所述图像分割是将合并成本指数函数用于合并原 始性， 结合图像标注的结果。 6.根据权利要求3所述的一种基于改进深度残差网络的区域水资源分类评价方法， 其 特征在于， 所述 光谱平均值由某一层中构成图像对象的所有像素的计算平均值表示： ， 其中， mean为平均值， M为Y方向图像像素点的个数， N为X 方向图像 像素点的个数， f代 表图像， （i， j） 为像素点 坐标。 7.根据权利要求3所述的一种基于改进深度残差网络的区域水资源分类评价方法， 其 特征在于， 所述 面积主要是指对象中包 含的像素 数。 8.根据权利要求3所述的一种基于改进深度残差网络的区域水资源分类评价方法， 其 特征在于， 所述长 宽比为外 部矩形MER(WMER)宽度与M ER(LMER)的长度之比， 即：权　利　要　求　书 1/2 页 2 CN 114511791 A 2， 其中r为长 宽比， WMER为宽度， LMER为长度。 9.根据权利要求3所述的一种基于改进深度残差网络的区域水资源分类评价方法， 其 特征在于， 所述矩形度是将目标图像的面积与图像周围的最小矩形面积的比值作为参数来 测量目标， 即： ， 其中， A为对象的封闭矩形的面积， 矩形对象R的最大值为1， 细长对象R的 最小值为1， 圆形对象R的值 为 π/4， AME为最小矩形面积， R为矩形度。权　利　要　求　书 2/2 页 3 CN 114511791 A 3