[發明專利]一種多特征協同的高分影像耕地作物類型分類方法

在審

• 申請號: 202211323367.8
• 申請日: 2022-10-27
• 公開（公告）號: CN115482420A
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 林聰;聶翔宇;張偉;傅俊豪;胡澤周
• 申請（專利權）人: 南京市測繪勘察研究院股份有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06V20/10
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 戴朝榮

本發明公開了一種多特征協同的高分影像耕地作物類型分類方法，包括：將數學形態學、擴展屬性剖面和灰度共生矩陣在內的三種淺層特征提取方法作用于遙感影像的每個波段，分別獲取遙感影像的形態淺層特征、屬性淺層特征和紋理淺層特征；構建高分影像耕地作物分類模型，將獲取遙感影像的形態淺層特征、屬性淺層特征和紋理淺層特征輸入高分影像耕地作物分類模型中進行訓練，直至達到最大迭代次數，完成對高分影像耕地作物分類模型的訓練；將遙感影像未標記區域輸入到訓練好的高分影像耕地作物分類模型中，輸出耕地作物所屬類型的概率，以概率最大的類型作為耕地作物類型。相比于傳統的基于單類特征輸入的深度學習模型，本發明方法的分類精度高。

技術領域

本發明屬于遙感智能信息提取技術領域，具體地，涉及一種多特征協同的高分影像耕地作物類型分類方法。

背景技術

耕地是指種植農作物的土地，包括：熟地、新開發、復墾、整理地，休閑地(含輪歇地、休耕地)；以種植農作物(含蔬菜)為主，間有零星果樹、桑樹或其他樹木的土地；平均每年能保證收獲一季的已墾灘地和海涂。守住耕地紅線和基本農田紅線，是農業發展和農業現代化建設的根基和命脈，是國家糧食安全的基石。近年來，由于社會經濟水平的不斷提高、工業領域的大力發展以及城市化進程的快速推進，導致大面積的耕地被人造建筑所占用。因此，獲取具有時效性強、覆蓋面積廣、精度高的耕地資料對于耕地保護具有重要意義。隨著遙感技術的不斷發展，遙感影像的空間分辨率和光譜分辨率也在不斷提升，所獲得的地物信息也更為豐富和精細，為耕地的準確識別提供了數據基礎。當前，以卷積神經網絡和注意力機制為主的深度學習技術的快速發展，為遙感影像中耕地作物類型的分類任務提供了新的解決方案?，F有研究成果證明，深度學習方法能夠在一定程度上滿足地物識別任務的需求。然而，深度學習方法的可靠性一方面強烈依賴于具有龐大數量且標記準確的訓練樣本庫，另一方面，對于具有多樣地物特征和復雜空間關系的遙感影像來說，這類方法面臨的挑戰性遠高于自然圖像中的場景。

因此，對于遙感影像中的耕地作物類型分類問題，現有的基于深度學習的分類方法存在以下局限性：(1)模型的過擬合現象嚴重：由于遙感影像的樣本標記工作耗時費力，導致標記樣本的數量和質量很難滿足常規深度模型的訓練要求。(2)地物特征及其空間關系未能有效表征：使用深度神經網絡進行特征提取過程中，由于缺少先驗知識的干涉，導致所提取的特征無法準確表達影像中的復雜的地物空間信息。

發明內容

針對現有技術中的不足，本發明提供了一種多特征協同的高分影像耕地作物類型分類方法。

為實現上述目的，本發明采用如下技術方案：一種多特征協同的高分影像耕地作物類型分類方法，具體包括以下步驟：

步驟1、收集遙感影像并對某區域的耕地作物類型進行人工標注，將數學形態學、擴展屬性剖面和灰度共生矩陣在內的三種淺層特征提取方法作用于遙感影像的每個波段，分別獲取遙感影像的形態淺層特征、屬性淺層特征和紋理淺層特征；

步驟2、構建高分影像耕地作物分類模型，所述高分影像耕地作物分類模型包括依次連接的第一線性映射層、多尺度特征提取模塊、通道注意力模塊、空間注意力模塊、第二線性映射層、深度特征融合模塊和多層感知機；

步驟3、將獲取遙感影像的形態淺層特征、屬性淺層特征和紋理淺層特征輸入高分影像耕地作物分類模型中進行訓練，直至達到最大迭代次數，完成對高分影像耕地作物分類模型的訓練；

步驟4、將遙感影像未標記區域輸入到訓練好的高分影像耕地作物分類模型中，輸出耕地作物所屬類型的概率，以概率最大的類型作為耕地作物類型。

進一步地，所述形態淺層特征獲取時，將空間窗口W設置為7×7；所述鄰域特征提取時，面積閾值λ_a設置為150，對角線長度閾值λ_d設置為150，標準差閾值λ_s設置為20；所述紋理特征提取時，空間窗口W設置為7×7，偏移距離(a,b)設置為(2,2)。