[發(fā)明專利]一種大尺度農作物遙感分類方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201811183899.X
• 申請日: 2018-10-11
• 公開（公告）號: CN109145885B
• 公開（公告）日: 2020-09-15
• 發(fā)明（設計）人: 張錦水;劉紅利;潘耀忠;楊珺雯;許晴
• 申請（專利權）人: 北京師范大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 張海青

1.一種大尺度農作物遙感分類方法，其特征在于，包括：

獲取歷史年份大范圍農作物標記樣本和現(xiàn)勢小區(qū)域農作物標記樣本；

根據所述歷史年份大范圍農作物標記樣本確定歷史訓練樣本和歷史驗證樣本；

根據所述現(xiàn)勢小區(qū)域農作物標記樣本確定隨機分布現(xiàn)勢訓練樣本、隨機分布現(xiàn)勢驗證樣本、獨立分布現(xiàn)勢訓練樣本以及獨立分布現(xiàn)勢驗證樣本；

獲取殘差網絡模型和金字塔池化網絡模型；

根據所述殘差網絡模型以及所述金字塔池化網絡模型建立遷移遙感網絡RSNet模型；

根據所述歷史訓練樣本對所述遷移遙感網絡RSNet模型進行預訓練，建立預訓練遷移遙感網絡RSNet模型；

根據所述隨機分布現(xiàn)勢訓練樣本對所述預訓練遷移遙感網絡RSNet模型進行微調，建立第一微調遷移遙感網絡RSNet模型；

根據所述獨立分布現(xiàn)勢訓練樣本對所述預訓練遷移遙感網絡RSNet模型進行微調，建立第二微調遷移遙感網絡RSNet模型；

采用所述預訓練遷移遙感網絡RSNet模型、所述第一微調遷移遙感網絡RSNet模型和所述第二微調遷移遙感網絡RSNet模型對現(xiàn)勢影像進行省級農作物分類；

所述獲取歷史年份大范圍農作物標記樣本和現(xiàn)勢小區(qū)域農作物標記樣本，具體包括：

獲取歷史年份大范圍區(qū)域內的歷史多時相中分影像以及歷史農作物物候歷數(shù)據；所述大范圍區(qū)域為省或省以上范圍區(qū)域；

根據所述歷史多時相中分影像以及所述歷史農作物物候歷數(shù)據構建所述歷史年份大范圍農作物標記樣本；

獲取當前年份小區(qū)域的現(xiàn)勢多時相高分影像以及當前農作物物候歷數(shù)據；所述小區(qū)域為多個縣；

根據所述現(xiàn)勢多時相高分影像以及所述當前農作物物候歷數(shù)據構建所述現(xiàn)勢小區(qū)域農作物標記樣本；

所述根據所述現(xiàn)勢多時相高分影像以及所述當前農作物物候歷數(shù)據構建所述現(xiàn)勢小區(qū)域農作物標記樣本，具體包括：

采用面向對象方法對所述現(xiàn)勢多時相高分影像以及所述當前農作物物候歷數(shù)據進行影像對象分割，獲得分割后的指定區(qū)域影像對象；

根據所述分割后的指定區(qū)域影像對象構建農作物的光譜特征以及紋理特征；

采用隨機森林算法對所述農作物的光譜特征以及紋理特征進行特征提取與優(yōu)化，并利用支持向量機分類器進行高精度農作物分類，確定高分辨率的農作物分類結果；

采用眾數(shù)原則的重采樣方法將所述高分辨率的農作物分類結果重采樣為與中分辨率農作物標記樣本相同的分辨率，獲得所述現(xiàn)勢小區(qū)域農作物標記樣本。

2.根據權利要求1所述的大尺度農作物遙感分類方法，其特征在于，所述根據所述歷史多時相中分影像以及所述歷史農作物物候歷數(shù)據構建所述歷史年份大范圍農作物標記樣本，具體包括：

根據所述歷史多時相中分影像以及所述歷史農作物物候歷數(shù)據，采用目標變化檢測與支持向量機結合的方法對農作物進行分類，構建所述歷史年份大范圍農作物標記樣本。

3.根據權利要求1所述的大尺度農作物遙感分類方法，其特征在于，所述根據所述歷史年份大范圍農作物標記樣本確定歷史訓練樣本和歷史驗證樣本，具體包括：

選取85％的所述歷史年份大范圍農作物標記樣本作為所述歷史訓練樣本，其余15％的所述歷史年份大范圍農作物標記樣本作為所述歷史驗證樣本。

4.根據權利要求1所述的大尺度農作物遙感分類方法，其特征在于，所述根據所述現(xiàn)勢小區(qū)域農作物標記樣本確定隨機分布現(xiàn)勢訓練樣本、隨機分布現(xiàn)勢驗證樣本、獨立分布現(xiàn)勢訓練樣本以及獨立分布現(xiàn)勢驗證樣本，具體包括：

隨機選取85％的所述現(xiàn)勢小區(qū)域農作物標記樣本作為所述隨機分布現(xiàn)勢訓練樣本，其余15％的所述現(xiàn)勢小區(qū)域農作物標記樣本作為所述隨機分布現(xiàn)勢驗證樣本；

選取所述小區(qū)域內相鄰85％的指定區(qū)域內的所述現(xiàn)勢小區(qū)域農作物標記樣本作為所述獨立分布現(xiàn)勢訓練樣本，其余15％的所述現(xiàn)勢小區(qū)域農作物標記樣本作為所述獨立分布現(xiàn)勢驗證樣本。