[发明专利]一种基于多时相遥感影像的土地利用变化智能理解方法有效
申请号: | 201810489874.6 | 申请日: | 2018-05-21 |
公开(公告)号: | CN108761451B | 公开(公告)日: | 2020-09-04 |
发明(设计)人: | 陈杰;周兴;韩雅荣;何玢;万里;邓敏 | 申请(专利权)人: | 中南大学 |
主分类号: | G01S13/89 | 分类号: | G01S13/89 |
代理公司: | 长沙七源专利代理事务所(普通合伙) 43214 | 代理人: | 郑隽;吴婷 |
地址: | 410083 湖南*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 多时 遥感 影像 土地利用 变化 智能 理解 方法 | ||
1.一种基于多时相遥感影像的土地利用变化智能理解方法,其特征在于,包括检测两时相遥感影像目标区域内发生变化的对象和用自然语言描述变化的内容;
检测两时相遥感影像目标区域内发生变化的对象具体包括以下步骤:
步骤A1:获取两时相的遥感数据,具体是:获取目标区域T1时刻与T2时刻的遥感影像,以及与遥感影像对应匹配的矢量数据;
步骤A2:遥感影像的预处理,具体是:对遥感影像进行几何配准、辐射校正;
步骤A3:两时相数据的分块裁剪,包括遥感影像的分块裁剪和矢量数据的分块裁剪;具体是:根据比例尺大小的要求,将两个时期的影像裁剪成M幅规定尺寸的遥感影像块;同时生成与遥感影像块相匹配的M幅矢量数据块;
步骤A4:构建掩膜和模型训练,具体是:首先确定影像中需要检测的地物目标,根据步骤A3中获得的遥感影像块和矢量数据块,构建掩膜,将遥感影像块和对应的掩膜输入到基于深度学习的影像语义分割模型中进行训练,得到更新后的影像语义分割模型;
步骤A5:模型测试,将待进行变化检测的两幅不同时期的遥感影像F1、F2分别输入到步骤A4得到的影像语义分割模型中,分别得到其对应的掩膜;其中,不同的颜色代表了不同的地物类别;
步骤A6:检测发生变化的内容,将两个时期的掩膜对应叠加,以T1时刻的掩膜为基准,对两个时期掩膜中的地块逐一进行比较;具体是:以T1时刻掩膜的第k个地块的大小为基准,将该地块范围内的像素值矩阵与T2时刻掩膜中对应位置同样大小区域范围内的像素值矩阵对应相减;设T1时刻掩膜第i行第j列处的像素值为I1ij,T2时刻掩膜第i行第j列处的像素值为I2ij,若I1ij-I2ij=0,则说明该位置的像素值相同,其像素所属的地物类别没有发生变化,反之则说明该位置像素所属的地物类别发生了变化;统计该区域内发生变化的像素点的个数S,同时根据具体情况设定像素值发生变化个数的阈值s,比较S与s值的大小,根据S与s的比值情况判别区域内的地物类别是否发生变化;
步骤A7:根据颜色标签获取发生变化前后的地物类别,将发生变化的地块高亮显示,使得变化内容直观地展现出来;
用自然语言描述变化的内容具体包括以下步骤:
步骤B1:确定描述变化内容的语句模板;
步骤B2:生成描述语句,具体是:将步骤A7中获得的变化前后的地物类别分别嵌入到语句模板对应的位置,形成对这两幅影像变化内容的对应描述;
步骤B3:取k=k+1,判断k与T1时刻掩膜中的总地块数K的大小;若k≤K,返回步骤A6,继续进行变化检测;若k>K,说明变化检测完成;其中,0<k≤K+1。
2.根据权利要求1所述的一种基于多时相遥感影像的土地利用变化智能理解方法,其特征在于,所述步骤A1中两时相遥感数据的获取方式为:采用互联网开源的众源OSM数据、国土部门以及测绘部门中至少一种方式获取;步骤A1中反映地物基本类别的矢量数据包括耕地、园地、林地、草地、房屋建筑、道路、水域以及构建物矢量数据中的至少一种。
3.根据权利要求1所述的一种基于多时相遥感影像的土地利用变化智能理解方法,其特征在于,所述步骤A1中两时相遥感数据的获取,应选择相同或相近季节和时刻的前后时期的遥感影像。
4.根据权利要求1所述的一种基于多时相遥感影像的土地利用变化智能理解方法,其特征在于,所述步骤A2遥感影像的预处理中对遥感影像进行几何配准,是以其中一幅影像的参考数据作为基准坐标系,进行两幅影像的相对配准;或者,将两幅影像以外的参考数据作为参考坐标系,进行两幅影像的绝对配准。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中南大学,未经中南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810489874.6/1.html,转载请声明来源钻瓜专利网。