[發明專利]農作物分類方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201810228529.7
• 申請日: 2018-03-20
• 公開（公告）號: CN108596029A
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 吳凡夫
• 申請（專利權）人: 尚正（北京）信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 孫巖

1.一種農作物分類方法，其特征在于，所述方法包括：

獲取待分類農作物的遙感數據；

根據所述待分類農作物的遙感數據構建植被覆蓋指數時間序列；

根據所述植被覆蓋指數時間序列提取時相特征；

在所述待分類農作物的遙感數據中提取光譜特征以及紋理特征；

根據所述光譜特征、所述紋理特征以及所述時相特征，通過預先訓練的分類模型，對遙感數據中的待分類農作物進行分類，獲得分類結果。

2.根據權利要求1所述的方法，其特征在于，所述根據所述光譜特征、所述紋理特征以及所述時相特征，通過預先訓練的分類模型，對遙感數據中的待分類農作物進行分類，獲得分類結果之后，所述方法還包括：

判斷待分類農作物的遙感數據的空間分辨率是否一致；

若不一致，則以待分類農作物的遙感數據中最大空間分辨率為標準，對分類結果進行重采樣，獲得采樣結果；

根據地理坐標，融合所述采樣結果，并將融合后的采樣結果作為新的分類結果。

3.根據權利要求1所述的方法，其特征在于，所述根據所述光譜特征、所述紋理特征以及所述時相特征，通過預先訓練的分類模型，對遙感數據中的待分類農作物進行分類，獲得分類結果之后，所述方法還包括：

獲取驗證數據；

根據所述驗證數據與所述分類結果，獲取所述分類結果對應的混淆矩陣，根據混淆矩陣驗證所述分類結果。

4.根據權利要求1所述的方法，其特征在于，所述獲取待分類農作物的遙感數據的步驟包括：

根據預設的目標區域以及預設的時間間隔，在原始遙感數據中進行選擇，并對選中的遙感數據進行預處理，獲得待分類農作物的遙感數據。

5.根據權利要求1所述的方法，其特征在于，所述根據所述待分類農作物的遙感數據構建植被覆蓋指數時間序列的步驟包括：

在待分類農作物的遙感數據中獲取各個時相對應的近紅外波段反射率以及紅光波段的反射率；

根據所述各個時相對應的近紅外波段反射率以及紅光波段的反射率，計算各個時相對應的植被覆蓋指數值；

根據各個時相對應的植被覆蓋指數構建所述植被覆蓋指數時間序列。

6.根據權利要求5所述的方法，其特征在于，所述根據各個時相對應的植被覆蓋指數構建所述植被覆蓋指數時間序列的步驟包括：

根據預設的時長以及當前時相，獲取第一時間窗，并獲取第一時間窗內各個時相對應的植被覆蓋指數；

將第一時間窗內各個時相對應的植被覆蓋指數進行擬合，獲取第一平滑曲線，并根據第一平滑曲線獲取當前時相對應的修正植被覆蓋指數；

根據各個時相對應的修正植被覆蓋指數構建所述植被覆蓋指數時間序列。

7.根據權利要求1所述的方法，其特征在于，所述根據所述光譜特征、所述紋理特征以及所述時相特征，通過預先訓練的分類模型，對遙感數據中的待分類農作物進行分類，獲得分類結果的步驟包括：

獲取地表覆蓋數據；

根據所述地表覆蓋數據對所述光譜特征、所述紋理特征以及所述時相特征進行掩膜，獲得更新后的光譜特征、紋理特征以及時相特征；

根據所述更新后的光譜特征、紋理特征以及時相特征，通過支持向量機，對農作物進行分類。

8.根據權利要求1-7中任意一項所述的方法，其特征在于，所述分類模型的訓練過程包括：

獲取樣本遙感數據；

在所述樣本遙感數據中提取樣本時相特征、樣本光譜特征以及樣本紋理特征；

根據所述樣本時相特征、樣本光譜特征以及樣本紋理特征，通過支持向量機，獲得所述分類模型。