[發(fā)明專利]一種基于卷積神經(jīng)的公益林地類圖像智能識(shí)別方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010330987.9
• 申請(qǐng)日: 2020-04-24
• 公開（公告）號(hào): CN111563430A
• 公開（公告）日: 2020-08-21
• 發(fā)明（設(shè)計(jì)）人: 高海力;蔣仲龍;王增;張超;張勇;任佳倫;吳翠蓉
• 申請(qǐng)（專利權(quán)）人: 浙江省公益林和國(guó)有林場(chǎng)管理總站
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 浙江千克知識(shí)產(chǎn)權(quán)代理有限公司 33246
• 代理人: 冷紅梅

本發(fā)明公開了一種基于卷積神經(jīng)的公益林地類圖像智能識(shí)別方法，包括：S11.獲取項(xiàng)目區(qū)的公益林矢量邊界圖，生成覆蓋項(xiàng)目區(qū)的矢量格網(wǎng)分布圖；S12.獲取項(xiàng)目區(qū)的高分辨率遙感圖像，采用生成的矢量格網(wǎng)分布圖對(duì)遙感圖像進(jìn)行裁切，把獲取的遙感圖像分割為若干正方形圖片，將若干正方形圖片作為卷積神經(jīng)網(wǎng)絡(luò)算法的輸入數(shù)據(jù)；S13.基于卷積神經(jīng)網(wǎng)絡(luò)算法，對(duì)輸入的若干正方形圖片進(jìn)行特征參數(shù)提取，提取的特征參數(shù)與預(yù)先對(duì)樣本庫(kù)進(jìn)行深度學(xué)習(xí)訓(xùn)練獲得的特征參數(shù)進(jìn)行相似度匹配，并對(duì)匹配后的數(shù)據(jù)進(jìn)行自動(dòng)識(shí)別，獲得輸入數(shù)據(jù)的地類分類結(jié)果；S14.得到地類分類結(jié)果后，將不同地類的屬性標(biāo)記到相應(yīng)的矢量格網(wǎng)數(shù)據(jù)庫(kù)中，生成項(xiàng)目區(qū)公益林范圍內(nèi)不同地類面積統(tǒng)計(jì)結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能和圖像識(shí)別技術(shù)領(lǐng)域，尤其涉及一種基于卷積神經(jīng)的公益林地類圖像智能識(shí)別方法及系統(tǒng)。

背景技術(shù)

我國(guó)林地面積逐年持續(xù)增加、林業(yè)質(zhì)量穩(wěn)步提升，對(duì)公益林資源的監(jiān)測(cè)、保護(hù)和管理工作日益重要。開展公益林資源監(jiān)測(cè)工作可及時(shí)了解公益林的消長(zhǎng)情況，根據(jù)其動(dòng)態(tài)變化，制訂相應(yīng)的管理措施。在對(duì)公益林森林資源進(jìn)行監(jiān)測(cè)時(shí)，應(yīng)科學(xué)制定監(jiān)測(cè)方法，提高監(jiān)管質(zhì)量和效率。

隨著精準(zhǔn)林業(yè)、智慧林業(yè)的提出，以區(qū)劃小班形式，動(dòng)輒數(shù)十畝、數(shù)百畝的小班均質(zhì)性區(qū)劃工作現(xiàn)已無(wú)法滿足現(xiàn)代化林業(yè)發(fā)展的需求。公益林資源格網(wǎng)化管理是根據(jù)空間信息多級(jí)網(wǎng)格的思路，通過(guò)將林地劃分為一定大小的格網(wǎng)單元實(shí)施監(jiān)控，可以實(shí)現(xiàn)林地資源管理的精細(xì)化、動(dòng)態(tài)化，保證林地資源管理和動(dòng)態(tài)變更中出現(xiàn)的問(wèn)題能夠及時(shí)發(fā)現(xiàn)、及時(shí)處理。

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，現(xiàn)代遙感技術(shù)在森林資源監(jiān)測(cè)工作中得到廣泛應(yīng)用。遙感影像通過(guò)像元值的高低差異及空間變化來(lái)表示不同的地物，高空間分辨率遙感影像最大的優(yōu)點(diǎn)是具備清晰的結(jié)構(gòu)紋理信息，大大提高了地物的辨識(shí)度，不過(guò)由于圖像空間異質(zhì)性高，其分類工作多采用人工目視解譯完成，效率相對(duì)較低。

卷積神經(jīng)網(wǎng)絡(luò)算法是目前應(yīng)用于圖像處理與識(shí)別的主要方法，具有強(qiáng)大的特征學(xué)習(xí)能力，可以有效降低網(wǎng)絡(luò)復(fù)雜度、提升圖片數(shù)據(jù)處理能力。隨著大數(shù)據(jù)時(shí)代的到來(lái)和計(jì)算機(jī)能力的提升，近年來(lái)卷積神經(jīng)網(wǎng)絡(luò)在圖像分類、目標(biāo)檢測(cè)、圖像語(yǔ)義分割等領(lǐng)域取得了一系列突破性的研究成果，已成為當(dāng)前圖像識(shí)別領(lǐng)域的研究熱點(diǎn)。

最大似然、支持向量機(jī)、決策樹等常用的遙感影像分類算法，其精度和效率已無(wú)法滿足大數(shù)據(jù)環(huán)境下的分類要求，卷積神經(jīng)網(wǎng)絡(luò)算法降低了因圖像平移、比例縮放、傾斜或其他形式的變形而引起的誤差。在大數(shù)據(jù)環(huán)境下，采用卷積神經(jīng)網(wǎng)絡(luò)算法對(duì)高分辨率遙感影像進(jìn)行分類，降低了特征提取和分類過(guò)程中數(shù)據(jù)重建的復(fù)雜度，可以大大提高分類精度。

發(fā)明內(nèi)容

本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)的不足，提供了一種基于卷積神經(jīng)的公益林地類圖像智能識(shí)別方法及系統(tǒng)，大大提高了公益林地類圖像分類的精度和效率，解決了公益林日常監(jiān)測(cè)管理工作中效率低、成本高的問(wèn)題。

為了實(shí)現(xiàn)以上目的，本發(fā)明采用以下技術(shù)方案：

一種基于卷積神經(jīng)的公益林地類圖像智能識(shí)別方法，包括步驟：

S1.獲取項(xiàng)目區(qū)的公益林矢量邊界圖，并生成覆蓋項(xiàng)目區(qū)的矢量格網(wǎng)分布圖；

S2.獲取項(xiàng)目區(qū)的高分辨率遙感圖像，并采用生成的矢量格網(wǎng)分布圖對(duì)遙感圖像進(jìn)行裁切，把獲取的遙感圖像分割為若干正方形圖片，并將若干正方形圖片作為卷積神經(jīng)網(wǎng)絡(luò)算法的輸入數(shù)據(jù)；

S3.基于所述卷積神經(jīng)網(wǎng)絡(luò)算法，對(duì)輸入的若干正方形圖片進(jìn)行特征參數(shù)提取，提取的特征參數(shù)與預(yù)先對(duì)樣本庫(kù)進(jìn)行深度學(xué)習(xí)訓(xùn)練獲得的特征參數(shù)進(jìn)行相似度匹配，并對(duì)匹配后的數(shù)據(jù)進(jìn)行自動(dòng)識(shí)別，獲得輸入數(shù)據(jù)的地類分類結(jié)果；

S4.所述得到地類分類結(jié)果后，將不同地類的屬性標(biāo)記到相應(yīng)的矢量格網(wǎng)數(shù)據(jù)庫(kù)中，生成項(xiàng)目區(qū)公益林范圍內(nèi)不同地類面積統(tǒng)計(jì)結(jié)果。