[發明專利]一種基于遙感圖像的設施農用地多類別識別與分類方法有效

申請號：	202210406400.7	申請日：	2022-04-18
公開（公告）號：	CN114494910B	公開（公告）日：	2022-09-06
發明（設計）人：	鐘新利;劉思杰;王小剛;上偉;李宗澍	申請（專利權）人：	陜西自然資源勘測規劃設計院有限公司;劉思杰
主分類號：	G06V20/13	分類號：	G06V20/13;G06V20/17;G06V10/26;G06V10/44;G06V10/764;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
代理公司：	西安智邦專利商標代理有限公司 61211	代理人：	汪海艷
地址：	710077 陜西省西安***	國省代碼：	陜西;61
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于遙感圖像設施農用類別識別分類方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種基于遙感圖像的設施農用地多類別識別與分類方法，其特征在于，基于語義分割神經網絡實現；

所述語義分割神經網絡包括依次設置的初始化模塊、Encoder模塊、金字塔池化模塊和解碼模塊；

所述初始化模塊包括第一卷積單元和第二卷積單元；所述第一卷積單元為多通道卷積層，第二卷積單元為最大池化層；

所述Encoder模塊采用VGG19網絡encoder模塊的1層、2層、3層、4層、5層，將2層、3層、4層、5層提取的結果分別作為金字塔池化模塊的四層輸入；

所述金字塔池化模塊包括四個卷積層，分別為第一卷積層、第二卷積層、第三卷積層、第四卷積層；其中，第一卷積層對encoder模塊的2層提取結果進行通道數不變，數據量減少的卷積處理，得到數據P1；第二卷積層對encoder模塊的3層提取結果進行通道數不變，數據量減少的卷積處理，得到數據P2；第三卷積層對encoder模塊的4層提取結果進行通道數不變，數據量減少的卷積處理，得到數據P3；第四卷積層對encoder模塊的5層提取結果進行通道數不變，數據量減少的卷積處理，得到數據P4；

所述解碼模塊包括四個反卷積層，分別為第一反卷積層、第二反卷積層、第三反卷積層、第四反卷積層；第一反卷積層對金字塔池化模塊第一卷積層輸出的數據P1進行反卷積操作，得到與金字塔池化模塊第二卷積層輸出數據P2大小相同的數據D1，將數據D1與數據P2進行合并，輸入至第二反卷積層進行反卷積操作，得到與金字塔池化模塊第三卷積層輸出數據P3大小相同的數據D2，將數據D2與數據P3進行合并，輸入至第三反卷積層進行反卷積操作，得到與金字塔池化模塊第四卷積層輸出數據P4大小相同的數據D3，將數據D3與數據P4進行合并，輸入至第四反卷積層進行反卷積操作，第四反卷積層輸出結果數據D4。

2.根據權利要求1所述的基于遙感圖像的設施農用地多類別識別與分類方法，其特征在于：第一卷積單元的步長為2，卷積核尺寸為3×3的卷積層，其通道數13；第二卷積單元為最大池化層，使用非重疊2×2窗口，通道數為3，與第一卷積單元合并后通道數為16。

3.根據權利要求2所述的基于遙感圖像的設施農用地多類別識別與分類方法，其特征在于，包括以下步驟：

步驟一、對匹配的遙感圖像和標簽圖像進行對應像素的分割，得到分割后對應的兩組圖像；

步驟二、對分割后的遙感圖像進行圖像增強，獲得多個增強后的遙感圖像，同時將分割后的標簽圖像轉化為灰度圖；

步驟三、利用步驟二中增強后的遙感圖像和轉化為灰度圖的標簽圖像構建數據集；

數據集中的圖像隨機排布，隨機抽取部分圖像作為訓練集，其余圖像作為測試集；

步驟四、將步驟三中的訓練集樣本輸入到語義分割神經網絡中進行訓練，訓練完成后，利用測試集進行測試，測試結果達到目標要求后進行模型保存，否則重新進行訓練，最終得到訓練好的網絡模型；

步驟五、將待預測圖像切割為多個圖像，圖像大小和訓練集中圖像大小相同；將切割后的多個圖像輸入至訓練好的網絡模型中，得到多個預測標簽圖像；

步驟六、根據預測置信度對多個預測標簽圖像進行染色，并進行噪聲抑制處理；

步驟七、將噪聲抑制處理后的多個圖像拼接成為整張圖像，若多個圖像之間沒有重疊，則執行下一步，若多個圖像之間有重疊，則對整張圖像拼接的接縫進行抑制處理；

步驟八、將步驟七處理后的圖像與待預測圖像坐標對準，獲取設施農用地坐標及面積數據，完成遙感圖像中設施農用地多類別識別與分類。

4.根據權利要求3所述的基于遙感圖像的設施農用地多類別識別與分類方法，其特征在于，步驟一中，標簽圖像為已有的調查結果中標注得到mask掩膜圖像。