[發(fā)明專利]一種基于遙感圖片與興趣點數(shù)據(jù)的城市用地功能識別方法

有效

• 申請?zhí)枺?/td>: 202010033194.0
• 申請日: 2020-01-13
• 公開（公告）號: CN113111691B
• 公開（公告）日: 2022-04-05
• 發(fā)明（設計）人: 卿粼波;許盛宇;何小海;滕奇志;劉美;牛通
• 申請（專利權）人: 四川大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/25;G06V10/80;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明提出了一種基于遙感圖片與興趣點數(shù)據(jù)的城市用地功能識別方法。以往的城市功能區(qū)識別方法只針對單一的遙感影像數(shù)據(jù)或社會感知數(shù)據(jù)，在一定程度上忽略了城市區(qū)域的整體功能屬性信息。為解決這一問題，提出了一種多模態(tài)城市用地功能識別框架。方法包括：構建了一種用于城市遙感圖像識別的深層多通道殘差神經(jīng)網(wǎng)絡，探索遙感圖像中的空間地理特征。其次，研究了城市不同功能區(qū)的興趣點分布的頻率功能密度，并基于度量學習提取城市區(qū)域的功能分布特征。最后，在異構特征融合模組中融合不同維度的兩種特征，進一步提高城市用地功能識別性能。實驗證明，該方法具有很好的實用性，可廣泛應用于城市功能區(qū)的識別。

技術領域

本發(fā)明涉及深度學習領域中的圖像與文本數(shù)據(jù)識別問題，尤其是涉及一種基于遙感圖片與興趣點數(shù)據(jù)的城市用地功能識別方法。

背景技術

近年來，世界各國城市化發(fā)展迅速。土地利用與土地覆蓋作為城市化的重要組成部分，在環(huán)境保護、基礎設施建設和城市規(guī)劃等方面發(fā)揮著極其重要的作用。由于城市化的發(fā)展和人為活動的影響，不同的城市區(qū)域往往具有復雜的城市用地功能，如商業(yè)區(qū)、居住區(qū)和工業(yè)區(qū)等等。城市區(qū)域的功能與范圍不僅僅取決于政府的規(guī)劃部署，還取決于人們的實際生活方式。城市功能區(qū)的實際地理分布對于滿足市民休閑生活和城市空間的可用性具有極其重要的意義。精細的城市功能區(qū)劃分不僅有助于區(qū)分工作區(qū)和生活區(qū)，同時能夠解決交通擁堵、空氣污染和土地資源浪費等問題。因此，準確地認識城市空間結(jié)構，定義城市功能區(qū)，對于制定富有成效的城市規(guī)劃政策法規(guī)具有重要意義。

隨著遙感技術和圖像處理技術的飛速發(fā)展，高空間分辨率遙感圖像被廣泛應用于城市用地功能的提取和分析。然而，基于遙感數(shù)據(jù)的方法只能提取出城市功能區(qū)中的低級語義特征，而未考慮地物空間關系以及人群活動行為。與基于遙感圖片數(shù)據(jù)的方法不同，使用興趣點數(shù)據(jù)、社交媒體數(shù)據(jù)等有助于對城市進行更加精細化、結(jié)構化的理解。這些豐富的社會感知數(shù)據(jù)有助于彌補城市用地類型與實際基礎設施分布之間的語義鴻溝，在城市研究中具有獨特優(yōu)勢。因此，將兩種數(shù)據(jù)進行有效融合，共同識別城市功能區(qū)類型具有重要意義。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于遙感圖片與興趣點數(shù)據(jù)的城市用地功能識別方法，通過多通道神經(jīng)網(wǎng)絡提取功能區(qū)的空間地理特征，通過余弦度量方式提取功能區(qū)的功能分布特征，最后利用多模態(tài)特征融合模組將不同維度的特征進行深度融合，對城市用地功能類型進行識別。

為了方便說明，首先引入如下概念：

殘差神經(jīng)網(wǎng)絡(Residual Neural Network)：殘差神經(jīng)網(wǎng)絡的核心思想是為了解決學習恒等映射函數(shù)的問題，線性層去擬合另一個特征F(x)＝H(x)-x,主要思想是去掉相同的主體部分，從而突出微小的變化。

度量學習(Metric Learning)：度量學習也稱為距離度量學習。在數(shù)據(jù)分析和處理領域，大多數(shù)的基本任務都是基于數(shù)據(jù)之間的距離和相似性。一般來說，這是一種判斷樣本之間相似性的方法。對于考慮的兩個樣本，距離越近，度量空間的相似性就越強。測量樣本間距離的方法有很多，如歐幾里德距離、馬氏距離、余弦距離和切比雪夫距離。

本發(fā)明具體采用如下技術方案：

一種基于遙感圖片與興趣點數(shù)據(jù)的城市用地功能識別方法，其特征在于:

a.通過多通道殘差神經(jīng)網(wǎng)絡提取城市功能區(qū)對應遙感影像中的空間地理特征；

b.通過度量學習的方式提取城市功能區(qū)對應興趣點數(shù)據(jù)中的功能分布特征；

c.通過多模態(tài)特征融合模組將a,b中的兩張?zhí)卣鬟M行融合對城市用地功能進行識別；

該方法主要包括以下步驟：

(1)獲取待研究城市功能區(qū)域的遙感影像數(shù)據(jù)與興趣點(point-of-interest,POI)數(shù)據(jù)；