基于深度学习的无人机洪水图像分割与水量估算
本项目专注于利用深度学习技术,从卫星或航空图像中检测受洪水影响的区域,并估算水域覆盖范围。系统整合了多种卷积神经网络架构,包括 LeNet、ResNet、VGG 和 U-Net,以执行图像分割和分类任务。

主要特点
- 图像分割:使用 U-Net 识别水体和洪水淹没区域。
- 模型对比:比较 LeNet、ResNet 和 VGG 模型的性能,评估洪水检测效果。
- 预训练集成:提供
model.h5预训练模型,支持快速推理。 - 交互界面:基于 Python(
ui1.py、ui2.py)构建交互式用户界面,便于可视化操作与测试。
生成的掩膜(generated_mask.png)可用于直观展示检测到的洪水区域。

技术栈
- 编程语言:Python
- 深度学习框架:Keras / TensorFlow
- 图像处理:OpenCV 及相关库
- 界面开发:Python GUI 组件

安装设置
使用以下命令安装依赖项:
pip install -r requirements.txt


