[發(fā)明專利]一種農(nóng)作物遙感分類方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210281699.8
• 申請日: 2022-03-21
• 公開（公告）號: CN114841231A
• 公開（公告）日: 2022-08-02
• 發(fā)明（設(shè)計）人: 歐陽斌
• 申請（專利權(quán)）人: 賽思倍斯（紹興）智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V20/10;G06N3/08;G06V10/764;G06V10/82
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 高志瑞

本發(fā)明公開了一種農(nóng)作物遙感分類方法及系統(tǒng)，其中，該方法包括：得到多時相的遙感影像；得到時間序列的云和陰影掩膜二值圖；得到時間序列的植被分布二值圖；對目標(biāo)區(qū)的時間序列遙感影像落在AOI區(qū)域的所有像元進(jìn)行多時相植被合成得到多時相植被類型；計算每種多時相植被類型所占的AOI區(qū)域的面積百分比，若該百分比小于設(shè)定閾值T時，則判定為無效類型；否則為有效類型；構(gòu)成監(jiān)督分類光譜庫；得到待分類光譜矢量V₁和特征光譜矢量集合；計算待分類光譜矢量V₁和特征光譜矢量集合中的每條特征光譜之間的歐氏距離，取歐氏距離最小的特征光譜所在的有效類型作為待分類像元的有效類型。本發(fā)明獲得了精度可靠并且可解釋的分類結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像分類技術(shù)領(lǐng)域，尤其涉及一種農(nóng)作物遙感分類方法及系統(tǒng)。

背景技術(shù)

農(nóng)作物播種面積是國家統(tǒng)計數(shù)據(jù)的重要內(nèi)容，農(nóng)作物遙感分類有助于宏觀上了解區(qū)域內(nèi)不同作物的種植情況，是其它農(nóng)業(yè)遙感應(yīng)用的基礎(chǔ)和前提，對于優(yōu)化作物種植結(jié)構(gòu)和耕地資源配置具有重要作用。

目前已有的方法包括一種融合多源地理信息數(shù)據(jù)的農(nóng)作物分類方法(CN2021114869135)、一種面向農(nóng)作物分類的時間序列特征重建及動態(tài)識別方法(CN2021103990041)、基于時空深度學(xué)習(xí)融合技術(shù)的農(nóng)作物全自動化分類方法(CN2021102795643)。以下逐一進(jìn)行說明：

CN2021114869135：獲取目標(biāo)區(qū)域中農(nóng)作物生產(chǎn)周期范圍內(nèi)的多景多時相衛(wèi)星影像數(shù)據(jù)，對衛(wèi)星影像數(shù)據(jù)進(jìn)行預(yù)處理的操作；對衛(wèi)星影像數(shù)據(jù)進(jìn)行多維特征因子的提取，特征因子包括：光譜、紋理和植被指數(shù)；對各個特征因子進(jìn)行不同組合下的多通道數(shù)據(jù)融合，將不同組合的多通道融合數(shù)據(jù)結(jié)合地面真實樣本訓(xùn)練支持向量機分類器，基于訓(xùn)練完成的支持向量機分類器得到農(nóng)作物分類初始結(jié)果。該方法需要地面真實樣本的支持，而獲取地面真實樣本的過程很費時費力。

CN2021103990041：：步驟1：初始樣本數(shù)據(jù)集構(gòu)建；步驟2：缺失數(shù)據(jù)區(qū)域預(yù)測填充；步驟3：缺失數(shù)據(jù)區(qū)域取值范圍取值填充；步驟4：回歸器與分類器迭代；步驟5：動態(tài)分類；重復(fù)步驟2至步驟4，進(jìn)行第r+1維特征回歸器與分類器的構(gòu)建，直到完成對所有R維特征的回歸器與分類器的建立；實現(xiàn)數(shù)據(jù)缺失部分的重建和農(nóng)作物分類，完成農(nóng)作物的動態(tài)識別。該方法同樣需要地面實測樣本數(shù)據(jù)的支持，自動化程度不夠，滿足不了大范圍農(nóng)作物遙感分類的需求。

CN2021102795643：融合地理信息的Geo-3D CNN網(wǎng)絡(luò)與Geo-Conv1D網(wǎng)絡(luò)，并采用Active Learning策略實現(xiàn)兩種分類方法分類結(jié)果的融合。該方法沒有考慮云和陰影對分類結(jié)果的影響，而云和陰影是光學(xué)遙感影像普遍存在的問題。

發(fā)明內(nèi)容

本發(fā)明解決的技術(shù)問題是：克服現(xiàn)有技術(shù)的不足，提供了一種農(nóng)作物遙感分類方法及系統(tǒng)，排除了光學(xué)遙感影像固有的云和陰影的干擾和影響，獲得了精度可靠并且可解釋的分類結(jié)果。