[發明專利]一種地理國情監測成果可靠性質檢方法及系統

在審

• 申請號: 202010040770.4
• 申請日: 2020-01-15
• 公開（公告）號: CN111259955A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 沈晶;張繼賢;張莉;韓文立;章力博;葛娟;盧遙;周進
• 申請（專利權）人: 國家測繪產品質量檢驗測試中心
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34;G06N3/04;G06N3/08
• 代理公司: 北京市盈科律師事務所 11344
• 代理人: 劉立國

本發明公開了一種地理國情監測成果可靠性質檢方法及系統，首先利用已有正射影像數據T和掩膜數據建立樣本數據集，并對樣本數據進行增強處理，在此基礎上，建立深度卷積神經網絡模型CNN，并對該模型進行深入的增強與融合，其次，對新時相影像T2進行超像素分割得到特征圖斑，將其映射到舊時相地表覆蓋數據上得到變化圖斑的幾何信息，再次，將新時相影像T2數據輸入到訓練好的深度卷積神經網絡模型得到變化圖斑的語義信息，從而得到地表覆蓋的變化信息，最后，將其與被檢地表覆蓋數據進行比對得到疑似錯漏區域，并與新舊時相影像T1、T2進行對比驗證，得到最終的地表覆蓋變化可靠性質檢結果。本發明能實現遙感影像變化檢測成果可靠性的快速檢查，可以用于地理國情監測項目的質量檢查驗收，極大地提高了質檢的效率。

技術領域

本發明涉及地理信息技術技術領域，特別是一種地理國情監測成果可靠性質檢方法及系統。

背景技術

地理國情監測是新時期測繪地理信息部門服務經濟社會科學發展新的實踐和重大任務。地表覆蓋數據是地理國情監測、全球變化研究和生態資源管理等工作的重要基礎信息。目前地表覆蓋變化檢測已經廣泛應用到土地覆蓋和土地利用監測、城市發展研究、資源管理、災害評估和生態系統監測及軍事應用等領域，此外，變化檢測是地表覆蓋更新的關鍵技術，而地理國情監測的地表覆蓋擁有龐大、復雜的分類體系與標準。且大區域地表覆蓋變化檢測信息不僅分類體系龐雜、變化類型復雜，影像時相差異大，地物紋理和結構特征復雜多變，這些特點都不同程度地加大了地表覆蓋變化檢測及其可靠性研究的難度。

目前地表覆蓋變化檢測的可靠性檢驗方法主要是人工對比，即質量檢測員將地表覆蓋分類信息與影像源、樣本數據、專題信息等疊加在一起，進行人工的對照檢查。對于無法確定分類正確與否的圖斑，在圖上進行標記，然后進行外業的實地核查。機器學習領域最前沿的深度學習模型能一定程度上模擬人腦對圖像的認知與判斷，其深層網絡能夠對抽象的隱藏特征進行表達。

基于現有的地理國情監測質量檢測方法存在較多問題。檢測結果主要通過人工對比，檢測效率較低，其次過度依賴于質量檢測員的主觀認識、經驗積累，檢測結果的一致性和可靠性較低，再次，外業實地核查會受到交通、天氣等條件限制，以致難以到達所有疑似錯誤圖斑的所在位置。綜上所述，現有的地表覆蓋分類質量檢測方法已很難滿足新常態下對地表覆蓋變化檢測精度、分類的正確性和完整性的質量要求，因此研究高效率、高可靠的地表覆蓋變化檢測可靠性質檢方法已迫在眉睫。

發明內容

本發明的目的是提出一種地理國情監測成果可靠性質檢方法；本方法在一定程度上解決地表覆蓋變化檢測可靠性質檢中存在的可靠性差、效率低、自動化程度低等問題。

本發明的目的是通過以下技術方案來實現的：

本發明提供的一種地理國情監測成果可靠性質檢方法，包括以下步驟：

S1：將已有地表覆蓋數據柵格化，并賦予各地類指定代碼，生成掩膜數據；

S2：將正射影像數據與掩膜數據建立樣本數據集，并利用四種方式對樣本數據進行增廣，在此基礎上，對深度卷積神經網絡模型進行增強與融合；

S3：利用超像素多尺度分割方法對新時相影像T2進行分割，并將分割后結果映射到舊時相地表覆蓋數據上，提取地表覆蓋變化區域幾何信息；

S4：利用深度卷積神經網絡模型對地表覆蓋變化區域進行語義標記；

S5：將步驟S4所得到的變化圖斑與待檢地表覆蓋數據疊加。

進一步，還包括以下步驟：

S6：疑似錯漏檢查及質檢報告生成：

將得到的地表覆蓋變化檢測結果與待檢地表覆蓋數據進行幾何和屬性數據的對比分析，并將新舊時相影像T2、T1與檢測結果疊加進行驗證，最后統計變化檢測的漏檢、錯檢率，生成質檢報告。