[發明專利]一種基于遙感圖像的耕地提取方法、系統及電子設備

在審

• 申請號: 201910912941.5
• 申請日: 2019-09-25
• 公開（公告）號: CN110717420A
• 公開（公告）日: 2020-01-21
• 發明（設計）人: 徐文娜;陳勁松
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 44316 深圳市科進知識產權代理事務所(普通合伙)
• 代理人: 曹衛良

1.一種基于遙感圖像的耕地提取方法，其特征在于，包括以下步驟：

步驟a：對遙感圖像進行波段選擇及圖像裁剪，得到用于構建網絡模型的數據集；

步驟b：構建基于HRU-Net結構的網絡模型，所述基于HRU-Net結構的網絡模型包括卷積層和反卷積層；

步驟c：將所述數據集輸入構建好的基于HRU-Net結構的網絡模型，得到所述數據集的耕地提取結果。

2.根據權利要求1所述的基于遙感圖像的耕地提取方法，其特征在于，所述步驟a還包括：獲取遙感影像，并對所述遙感影像進行輻射校正和空間域增強處理濾波。

3.根據權利要求2所述的基于遙感圖像的耕地提取方法，其特征在于，在所述步驟b中，所述對遙感圖像進行波段選擇及圖像裁剪，得到用于構建網絡模型的數據集包括：選擇遙感影像的綠、紅、近紅外波段，裁剪成一定大小，構建數據集，再按照4:1的比例將數據集分為訓練集和測試集。

4.根據權利要求1至3任一項所述的基于遙感圖像的耕地提取方法，其特征在于，在所述步驟b中，所述卷積層具體為：不同特征圖中間均包含卷積模塊，每個卷積模塊由兩層卷積核為3*3的卷積層組成，通過所述卷積層對特征圖進行特征提??；并利用步長為2的卷積模塊對特征圖進行下采樣，得到不同分辨率層；所述不同分辨率層包括5層，用于在每個分辨率層保留相應的分辨率信息；

所述反卷積層用于對特征圖進行上采樣，將特征圖從最低分辨率層恢復成輸入圖片大小，最終得到和輸入圖片同樣大小的提取結果圖，并對特征圖進行多尺度融合，將高分辨率信息融入低分辨率特征層。

5.根據權利要求3所述的基于遙感圖像的耕地提取方法，其特征在于，在所述步驟c中，所述將數據集輸入構建好的基于HRU-Net結構的網絡模型，得到所述數據集的耕地提取結果具體包括：將所述訓練集輸入構建好的網絡模型，設定學習率、迭代次數，并設置用于優化網絡參數的損失函數，根據訓練的損失曲線調整訓練過程，得到訓練好的網絡參數模型；并將所述測試集輸入訓練好的網絡參數模型，得到測試集圖像的耕地提取結果。

6.一種基于遙感圖像的耕地提取系統，其特征在于，包括：

數據集構建模塊：用于對遙感圖像進行波段選擇及圖像裁剪，得到用于構建網絡模型的數據集；

模型構建模塊：用于構建基于HRU-Net結構的網絡模型，所述基于HRU-Net結構的網絡模型包括卷積層和反卷積層；

結果提取模塊：用于將所述數據集輸入構建好的基于HRU-Net結構的網絡模型，得到所述數據集的耕地提取結果。

7.根據權利要求6所述的基于遙感圖像的耕地提取系統方法，其特征在于，還包括數據處理模塊，所述數據處理模塊用于獲取遙感影像，并對所述遙感影像進行輻射校正和空間域增強處理濾波。

8.根據權利要求7所述的基于遙感圖像的耕地提取系統，其特征在于，所述數據集構建模塊對遙感圖像進行波段選擇及圖像裁剪，得到用于構建網絡模型的數據集包括：選擇遙感影像的綠、紅、近紅外波段，裁剪成一定大小，構建數據集，再按照4:1的比例將數據集分為訓練集和測試集。

9.根據權利要求6至8任一項所述的基于遙感圖像的耕地提取系統，其特征在于，所述HRU-Net結構的網絡模型包括卷積層和反卷積層，所述卷積層具體為：不同特征圖中間均包含卷積模塊，每個卷積模塊由兩層卷積核為3*3的卷積層組成，通過所述卷積層對特征圖進行特征提??；并利用步長為2的卷積模塊對特征圖進行下采樣，得到不同分辨率層；所述不同分辨率層包括5層，用于在每個分辨率層保留相應的分辨率信息；

所述反卷積層用于對特征圖進行上采樣，將特征圖從最低分辨率層恢復成輸入圖片大小，最終得到和輸入圖片同樣大小的提取結果圖，并對特征圖進行多尺度融合，將高分辨率信息融入低分辨率特征層。