[發明專利]一種基于多源傳感器數據的林地精細識別的多通道卷積網絡方法

有效

• 申請號: 202010566365.6
• 申請日: 2020-06-19
• 公開（公告）號: CN111914631B
• 公開（公告）日: 2022-10-25
• 發明（設計）人: 李偉;張蒙蒙;陶然
• 申請（專利權）人: 北京理工大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/764;G06V10/80;G06V10/82;G06N3/04;G01S17/89
• 代理公司: 北京睿博行遠知識產權代理有限公司 11297
• 代理人: 劉桂榮

本發明公開了一種基于多源傳感器數據的林地精細識別的多通道卷積網絡方法，首先通過逐波段歸一化的方法對多源數據進行量綱歸一化的操作，處理后的數據進行1D和2D圖像塊的切割；將高光譜的1D和2D圖像塊分批置入特定的HSI網絡結構,充分訓練并保存此部分的權重參數；將保存的參數導入MCNN網絡中高光譜特征提取的分支中，訓練完成后保存整體MCNN的權重參數；使用時將被測試的圖像分為1D和2D圖像塊，輸入訓練完成后的MCNN網絡，得到最終的類別劃分。本發明的網絡訓練更具方向性，在特征提取階段增強了信息的交織和互補性?；诓煌瑥碗s程序進行特定的連接方式，避免在整體融合過程中忽略小的區別以及避免來自不同來源的數據之間的過度干擾。

技術領域

本發明涉及多源遙感數據的協同分析及分類技術領域，主要是一種基于多源傳感器數據完成精細地類識別的多通道卷積網絡方法，特別適合于在樣本標注小、包含復雜樹種類別的遙感數據中進行分類。

背景技術

林業是最早應用遙感技術并形成應用規模的行業之一，林業遙感的應用廣泛，主要包括監測與信息獲取兩方面。遙感技術可實現動態、大面積的森林信息獲取，如森林蓄積量估算、樹種識別、郁閉度估測等信息，避免森林調查耗費大量的人力和時間。由于遙感技術快速、準確、準時的優點，在森林火災監測、森林病蟲災害監測及林業資源遙感動態監測等基礎研究上具有明顯優勢，有利于我國林業重點工程的建設，推進“數字林業”管理、生態環境保護智能化管理工作。在2010年的高分專項計劃中，綜合利用高分一號、高分二號和高分四號等衛星的高空間與高時間分辨率優勢，發展了以一類清查固定樣地數據構建CART決策樹分類器的森林類型自動化分類方法；在黑龍江省森林類型分類中，該方法分類精度達到88％。多種應用技術如濕地和濕地植被群落細分、林火燃燒強度遙感定量反演以及光合和非光合植被覆蓋度的定量精確估測等都取得了不錯的進展。

在面向林地信息的遙感影像分類方面，寇文正等人基于TM遙感影像，采用監督分類方法，將吉林省撫松縣江河森林試驗區的植被類型分為包括針葉林、針闊混交林、闊葉幼林、闊葉成林等在內的共十類，總體分類精度達到85％(寇文正等，1990)。1998年，張曉麗和游先祥以北京地區森林植被為研究區，綜合利用了3S(RS、GIS、GPS)技術，綜合評價影像森林植被生長的地理因子和環境因子，并在此基礎上繪制北京地區森林植被分類圖(張曉麗，1998)。二十一世紀以來，隨著遙感衛星技術的發展，面向林地信息的遙感影像分類技術也獲得了長足的進步，許多交叉學科技術在森林遙感分類中獲得應用，形成了神經網絡、決策樹、專家知識分類庫等更智能的分類方法。劉健等人結合福建省第五次森林資源清查數據建立專家知識分類庫，對閩江流域遙感影像進行分類得到該區域的林地分類圖(劉健等，2006)。潘踩等人利用決策樹的分類方法，選取歸一化植被指數(NDVI)、比值植被指數(RVI)、綠度植被指數(GVI)等十種植被指數作為分類特征進行分類，得到了研究區的景觀格局分布圖(潘琢等，2009)。隨著高分辨率遙感影像應用不斷增加，面向對象分類方法的研究也成為一大熱點。韓凝等采用面向對象的分類方法，結合IKONOS影像數據對特定條件下的香框樹進行提取，證明了其分類方法的可行性(韓凝等，2009)。林先成等人基于QiuckBird高分辨率遙感影像對成都平原地區進行面向對象分類，并討論了不同分割尺度的不同效果，對比傳統分類方法結果表明使用面向對象分類方法總體精度更高為93％(林先成等，2010)。傳統分類方法僅利用像元光譜特征進行分類，不容易解決同物異譜、異物同譜以及混合像元等問題，且分類結果中的圖斑零亂，常常出現錯分、漏分現象，從而造成分類精度不高。在光譜特征基礎上加入紋理特征進行分類，精度有所提高，但對于中低分辨率影像的地表覆蓋分類，紋理特征對分類精度的提高作用有限，分類結果很難達到滿意的效果。