[发明专利]土地利用类型提取方法及装置

说明书

本发明提供一种土地利用类型提取方法及装置，方法包括：将目标区域的遥感数据的时间序列分成多个帧；将各帧所述遥感数据按各帧所述遥感数据采集的正向时间顺序输入Bi‑LSTM网络中的前向LSTM，按各帧所述遥感数据采集的反向时间顺序输入所述Bi‑LSTM网络中的后向LSTM，分别在所述前向LSTM的最后一层隐藏层和所述后向LSTM的最后一层隐藏层获取遥感数据的特征向量；将两个所述特征向量输入所述Bi‑LSTM网络的逻辑回归层，输出所述目标区域的土地利用类型。本发明基于深度学习对土地利用类型进行分类，提高了分类精度。

技术领域

本发明属于遥感数据处理技术领域，尤其涉及一种土地利用类型提取方法及装置。

背景技术

土地覆盖是指地球表面的植被覆盖物和人工覆盖物的总称，是自然植被与自然营造体和人工建造所覆盖的地表诸要素的综合反映。土地覆盖是人类认识自然、掌握自然规律必备的信息，也是各种资源管理和地理信息服务所需要的最基本数据。因此，土地覆盖信息的获取、分析和更新显得极其重要。

遥感影像数据以其宏观性、实时性的特点，一直以来都是土地覆盖检测的重要手段。目前基于遥感数据的土地覆盖分类方法一般分为两种，一种是基于遥感原始图像作为目视解译的传统方法；另一种则是利用深度学习的思想基于遥感的数据产品，包括一级产品和更高级产品的智能分类。

为了获取一级土地分类产品，目前一般是用遥感数据的反射率产品数据或NDVI(Normalized Difference Vegetation Index，归一化植被指数)产品数据作为分类依据的分类模型。而随着遥感数据的高级产品的出现，特别是多种陆表参量产品，如代表性的GLASS(Global Land Surface Satellite，全球陆表特征参量)产品的出现，为现有的土地覆盖分类方法提高分类精度提供了可能。

发明内容

为克服上述现有的土地覆盖分类方法无法满足土地覆盖分类的精度要求问题或者至少部分地解决上述问题，本发明实施例提供一种土地利用类型提取方法及装置。

根据本发明实施例的第一方面，提供一种土地利用类型提取方法，包括：

将目标区域的遥感数据的时间序列分成多个帧；

将各帧所述遥感数据按各帧所述遥感数据采集的正向时间顺序输入Bi-LSTM网络中的前向LSTM，按各帧所述遥感数据采集的反向时间顺序输入所述Bi-LSTM网络中的后向LSTM，分别在所述前向LSTM的最后一层隐藏层和所述后向LSTM的最后一层隐藏层获取所述遥感数据的特征向量；

将两个所述特征向量输入所述Bi-LSTM网络的逻辑回归层，输出所述目标区域的土地利用类型。

根据本发明实施例第二方面提供一种土地利用类型提取装置，包括：

划分模块，用于将目标区域的遥感数据的时间序列分成多个帧；

隐藏模块，用于将各帧所述遥感数据按各帧所述遥感数据采集的正向时间顺序输入Bi-LSTM网络中的前向LSTM，按各帧所述遥感数据采集的反向时间顺序输入所述Bi-LSTM网络中的后向LSTM，分别在所述前向LSTM的最后一层隐藏层和所述后向LSTM的最后一层隐藏层获取所述遥感数据的特征向量；

分类模块，用于将两个所述特征向量输入所述Bi-LSTM网络的逻辑回归层，输出所述目标区域的土地利用类型。

根据本发明实施例的第三个方面，还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的土地利用类型提取方法。