[發(fā)明專利]基于遙感圖像的地物識別及覆蓋率計算方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010133677.8
• 申請日: 2020-03-02
• 公開（公告）號: CN110991430B
• 公開（公告）日: 2020-06-23
• 發(fā)明（設計）人: 劉帥普
• 申請（專利權）人: 中科星圖股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京華專卓海知識產權代理事務所(普通合伙) 11664
• 代理人: 王一

1.一種基于遙感圖像的地物識別及覆蓋率計算方法，其特征在于，包括：

對衛(wèi)星遙感圖像進行分辨率提升預處理；其中，所述衛(wèi)星遙感圖像包括高分辨率P1的全色遙感圖像和低分辨率P2的多光譜遙感圖像；所述分辨率提升預處理包括將分辨率P2的藍光波段遙感圖像、綠光波段遙感圖像、紅光波段遙感圖像和近紅外波段遙感圖像分別輸入對應的預先訓練的生成對抗網絡模型，輸出對應的分辨率P1的藍光波段超分辨率遙感圖像、綠光波段超分辨率遙感圖像、紅光波段超分辨率遙感圖像和近紅外波段超分辨率遙感圖像；

所述預先訓練的生成對抗網絡模型通過以下步驟訓練得到：生成全色遙感圖像訓練集、藍光波段遙感圖像訓練集、綠光波段遙感圖像訓練集、紅光波段遙感圖像訓練集和近紅外波段遙感圖像訓練集；首先使用全色遙感圖像訓練集，對生成對抗網絡模型進行預訓練；然后使用藍光波段遙感圖像訓練集、綠光波段遙感圖像訓練集、紅光波段遙感圖像訓練集和近紅外波段遙感圖像訓練集分別對預訓練后的生成對抗網絡模型進行微調，得到對應的訓練后的生成對抗網絡模型；所述全色遙感圖像訓練集包括高分辨率P1的全色遙感圖像，以及對所述高分辨率P1的全色遙感圖像進行降采樣得到的分辨率P2的全色遙感圖像；所述藍光波段遙感圖像訓練集、綠光波段遙感圖像訓練集、紅光波段遙感圖像訓練集和近紅外波段遙感圖像訓練集分別包括高分辨率P1的藍光波段遙感圖像、綠光波段遙感圖像、紅光波段遙感圖像、近紅外波段遙感圖像，以及對所述高分辨率P1的藍光波段遙感圖像、綠光波段遙感圖像、紅光波段遙感圖像和近紅外波段遙感圖像進行降采樣得到的分辨率P2的藍光波段遙感圖像、綠光波段遙感圖像、紅光波段遙感圖像和近紅外波段遙感圖像；

將預處理后的遙感圖像輸入預先訓練的深度卷積神經網絡模型，得到地物分割結果；

根據(jù)所述地物分割結果，進行地物覆蓋率計算。

2.根據(jù)權利要求1所述的方法，其特征在于，所述預先訓練的深度卷積神經網絡模型通過以下步驟訓練得到：

對所述超分辨率遙感圖像根據(jù)待分割類別進行逐像素分割，構建語義分割數(shù)據(jù)集；

將所述語義分割數(shù)據(jù)集輸入全卷積神經網絡模型，進行迭代訓練，更新網絡參數(shù)，直至訓練結果滿足預設的收斂條件。

3.根據(jù)權利要求2所述的方法，其特征在于，所述方法還包括：

引入條件隨機場，對所述分割結果進行重構優(yōu)化。

4.根據(jù)權利要求1所述的方法，其特征在于，所述地物包括水體、植被、建筑和道路。

5.根據(jù)權利要求1所述的方法，其特征在于，所述地物覆蓋率計算包括：

根據(jù)分割結果，遍歷計算結果中像素所屬各類地物的個數(shù)，計算出各類地物垂直投影面積，最終推出其覆蓋率。