[发明专利]基于网络图片自动识别的地表覆盖验证方法及系统

说明书

本发明提出基于网络图片自动识别的地表覆盖验证方法及系统，首先，通过Python语言编写网络爬虫，获取网络图片数据；继而，通过引入卷积神经网络，构建网络图片自动识别模型；然后，利用DBSCAN模型与凸包模型，选取用于地表覆盖验证的样本点；接下来，结合网络图片识别结果，通过计算样本点的类型权重与距离权重，对样本点进行地表覆盖类型确定；最后，将上述样本点作为参考数据，引入混淆矩阵，对地表覆盖产品中的每一类地表覆盖类型进行精度验证。

技术领域

本发明涉及图片自动识别及地表覆盖验证技术领域，尤其涉及基于网络图片自动识别的地表覆盖验证方法及系统。

背景技术

地表覆盖及其变化是全球变化研究、生态环境评估以及地理国情监测的重要基础数据。地表覆盖验证是其数据精度评价的一种重要手段。现有的地表覆盖验证主要是通过野外实地调查、或者遥感影像目视解译等方式，来确定样本点数量及空间分布，并解译样本点类型。该方法存在样本点解译成本高、验证周期长等问题，难以满足地表覆盖产品快速验证的需求。因此，急需发展一种新的地表覆盖验证的自动化处理方法及系统。

近年来，随着移动互联网技术的发展以及社交媒体网站的广泛应用，产生了大量带有地理位置信息的网络图片。这类图片的文字标签以及图像内容很多与地表覆盖类型相关，如水体、植被、耕地等。国内外很多学者已经提出了应用网络图片进行地表覆盖验证的方法：“Fonte,C.C.,Bastin,L.,See,L.,Foody,G.,Lupia,F.,2015.Usability of VGI forvalidation of land cover maps.International Journal of GeographicalInformation Science 29,1269-1291.”中论述了将人工解译的网络图片应用于地表覆盖验证的可行性；“Foody G M,Boyd D S.Using volunteered data in land cover mapvalidation:Mapping West African forests[J].IEEE Journal of Selected Topics inApplied Earth Observations and Remote Sensing,2013,6(3):1305-1312.”中利用Degrees of Confluence Project中的网络图片，通过志愿者人工解译的方式，对非洲西部森林区域的分类精度进行验证。“Antoniou V,Fonte C C,See L,et al.Investigatingthe feasibility of geo-tagged photographs as sources of land cover input data[J].ISPRS International Journal of Geo-Information,2016,5(5):64.”中通过多名志愿者对Panoramio、Flickr、Geograph3个网站的图片进行人工解译，将解译结果应用到地表覆盖验证中。

上述成果较好地论证了网络图片应用于地表覆盖验证的可行性，但它们主要通过人工解译方式进行图片的识别，解译过程耗时耗力，需要发展一种网络图片自动化识别的技术方法；同时，现有方法大都是将网络图片直接作为样本点，进行地表覆盖验证，它们丢弃了样本点选取策略，同时也忽略了图片的分布情况对样本点选取造成的影响。

发明内容

现有方法大多通过图片的人工解译进行地表覆盖验证，耗时耗力，且未考虑图片的分布情况对样本点选取造成的影响。为了解决现有技术的不足，本发明提供了基于网络图片自动识别的地表覆盖验证方法及系统；

作为本发明的第一方面，提供了基于网络图片自动识别的地表覆盖验证方法，

基于网络图片自动识别的地表覆盖验证方法，包括如下步骤：

步骤(1)：获取网络图片数据：通过网络爬虫方式爬取地表覆盖验证所需的网络图片数据；所述网络图片数据，包括：图片本身和图片的空间位置；