[发明专利]基于深度神经网络的高分辨率遥感卫星影像甘蔗提取方法

说明书

本发明公开了一种基于深度神经网络的高分辨率遥感卫星影像甘蔗提取方法，主要包括组织高分辨率遥感影像甘蔗地样本库、清洗甘蔗地样本库获得数据集文件、通过深度卷积神经网络算法对甘蔗数据集文件训练计算获得甘蔗模型参数、导入甘蔗模型文件对高分辨率遥感影像进行地物识别、提取甘蔗地范围并导出。本发明能够辅助糖料蔗生产、管理部门及企业，对高分辨率遥感影像进行快速检索，识别甘蔗种植区，为糖料蔗种植区域划定、糖料蔗估产提供可靠的参考。

技术领域

本发明属于遥感信息提取技术领域，具体涉及了一种基于深度神经网络的高分辨率遥感卫星影像甘蔗提取方法。

背景技术

机器学习通过分析大量数据进行学习，寻找数据中的特征模式并进行预测，数据丰富度的提升和数据量的积累可以不断提高其预测准确性，且在应对复杂情况的数据具有较强的学习能力和包容性。其中，深度学习作为近几年机器学习领域中的一个重要研究内容，已在图像识别、智能搜索、语言处理、智能控制等领域发挥了巨大作用。

随着国产卫星的不断发展，高分辨率遥感卫星影像资源愈加丰富，对于海量、多源的高分辨率遥感卫星影像的快速处理和目标要素的准确提取成为了又一亟待解决的技术难题。在高分辨率遥感影像解译中，甘蔗易与同时期其他作物混淆，人工目视解译准确率低。

甘蔗作为一种特色农作物，是南方地区糖业生产的主要原料。糖料蔗的种植面积和亩产量会直接影响地区本年度的产糖量。目前划定糖料蔗种植区域的主要方式是野外测量核查，工作量大、效率低下，目前尚无一种自动化识别甘蔗地的方法。为了推进糖业信息化、精准化管理，政府和涉糖企业需要以智能化技术方式方法，通过信息采集、核实、传输、处理、汇总、分析、应用，满足行业管理部门、企业、农户、合作社、社会组织等对涉糖涉蔗（生产、经营、市场）数据的即时性、动态性、精准性、安全性等信息服务需求，开展糖业全产业链各环节精准化管理，服务糖业发展，推动糖业二次创业，充分利用地理信息支持服务全区糖业精准化管理，实现糖业转型升级、节本增效。

发明内容

本发明的目的在于针对现有技术中存在的不足，提供了一种基于深度神经网络的高分辨率遥感卫星影像甘蔗提取方法。该方法能够从高分辨率遥感卫星影像中快速提取甘蔗种植区域，识别效率高。

为了实现上述目的，本发明采用了以下技术方案：

一种基于深度神经网络的高分辨率遥感卫星影像甘蔗提取方法，包括以下步骤：

步骤一，收集大量高分辨率遥感卫星影像图片，按照影像的匀色标准对图片进行处理、编码、标记，区分甘蔗地、非甘蔗地，建立样本库，包括甘蔗样本数据集和非甘蔗样本数据集；

步骤二，利用样本库进行模型训练，将甘蔗影像样本图片和标记样本图片输入甘蔗分类模型中，甘蔗分类模型多多层卷积网络组成，输入的甘蔗遥感影像样本的大小为512像素*512像素，像素的值在0～255范围内，影像的图像通道为4个，输入的矩阵形状为4*512*512，输入的图像经过多层卷积计算后得到一个多维的矩阵数据，并将这个多维的矩阵数据与标记样本进行差值计算，求出预测的损失值，将求出的损失值反向传播回每一层卷积网络中，更新卷积网络中的计算参数，重复上述操作，反复求出损失值，直到损失值不再变小为止，即表示拟合，模型参数训练完成；

步骤三，按照给定高分辨率遥感卫星影像，将影像数据导入上一步训练好的模型中，具体为：

1）将高分辨率遥感卫星影像的图片按照512*512像素规格进行裁切；

2）将裁切后的图片重新输入到步骤二中训练好的模型中，模型根据输入的影像数据进行卷积运算，得到输入图片每个像素点的概率值，最终得到的结果为4*512*512的概率矩阵；