[发明专利]基于卫星图像的贫穷度预测模型构建及贫穷度预测方法

权利要求书

1.一种基于卫星图像的贫穷度预测模型构建方法，其特征在于，包括：

获取标定贫穷度调查数据以及与所述标定贫穷度调查数据对应的微光遥感图像和日间卫星图像；

获取所述微光遥感图像的亮度信息；

将所述日间卫星图像作为样本，所述亮度信息作为标签，对预设的神经网络模型进行训练，获得日间图像识别器；

将所述日间图像识别器的输出作为样本，所述标定贫穷度调查数据作为标签，对预设的回归模型进行训练，获得贫穷度预测器；

根据所述日间图像识别器和所述贫穷度预测器获得基于卫星图像的贫穷度预测模型。

2.根据权利要求1所述的基于卫星图像的贫穷度预测模型的构建方法，其特征在于，所述获取标定贫穷度调查数据以及与所述标定贫穷度调查数据对应的微光遥感图像和日间卫星图像包括：

获取所述标定贫穷度调查数据后，确定所述标定贫穷度调查数据对应的经纬度信息；

根据所述经纬度信息获取所述微光遥感图像和所述日间卫星图像。

3.根据权利要求1所述的基于卫星图像的贫穷度预测模型的构建方法，其特征在于，所述亮度信息包括指示低光强的低亮度信息、指示中光强的中亮度信息和指示高光强的高亮度信息；所述获取所述微光遥感图像的亮度信息包括：

确定所述微光遥感图像各像素点所对应的光强；

通过拟合混合高斯分布的方法，将所述光强转换为所述亮度信息。

4.根据权利要求1至3任一项所述的基于卫星图像的贫穷度预测模型的构建方法，其特征在于，所述预设的神经网络模型为稠密卷积神经网络。

5.根据权利要求1至3任一项所述的基于卫星图像的贫穷度预测模型的构建方法，其特征在于，所述预设的回归模型为LASSO回归模型。

6.根据权利要求5所述的基于卫星图像的贫穷度预测模型的构建方法，其特征在于，所述LASSO回归模型的代价函数为：

其中，m表示样本总数，x⁽ⁱ⁾表示第i个样本，y⁽ⁱ⁾表示第i个样本对应的标签，w表示权重，b表示偏置，λ表示惩罚因子。

7.一种基于卫星图像的贫穷度预测模型构建装置，其特征在于，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如权利要求1至6任一项所述的基于卫星图像的贫穷度预测模型构建方法。

8.一种基于卫星图像的贫穷度预测方法，其特征在于，包括：

将标定日间卫星图像输入如权利要求1至6任一项所述的基于卫星图像的贫穷度预测模型构建方法构建的基于卫星图像的贫穷度预测模型；

将所述基于卫星图像的贫穷度预测模型的输出作为指示与所述标定日间卫星图像对应的区域的贫穷度预测数据。

9.一种基于卫星图像的贫穷度预测装置，其特征在于，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如权利要求8所述的基于卫星图像的贫穷度预测方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1至6任一项所述的基于卫星图像的贫穷度预测模型构建方法，或者实现如权利要求8所述的基于卫星图像的贫穷度预测方法。