[发明专利]基于遥感影像的多时相变化检测及地物识别分类方法在审
申请号: | 202110097583.4 | 申请日: | 2021-01-25 |
公开(公告)号: | CN112801170A | 公开(公告)日: | 2021-05-14 |
发明(设计)人: | 邓炯;马惠;谢玉周;谢龙涛;邵亚杰;李文彬;陈涛;李家兴;朱海涛;宋丽 | 申请(专利权)人: | 河南省国土资源调查规划院(河南省国土资源厅不动产登记中心);郑州新图信息科技股份有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/00;G06K9/34 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 450000 河南*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 遥感 影像 多时 相变 检测 地物 识别 分类 方法 | ||
本发明涉及基于遥感影像的多时相变化检测及地物识别分类方法,包含以下步骤:步骤1、分别将监测区域的前、后两期影像进行提取,利用影像特征进行地物识别,提取并分割地类;步骤2、对地物识别后的前、后两期影像进行对比检查,将相同特征地物进行背景化,突出变化区域的图斑;步骤3、通过拓扑检查模块对对比后的图像进行拓扑及属性检查;步骤4、输出具有突出变化区域的影像结果。本发明的有益效果如下:相比于现有技术,本发明所涉及的基于遥感影像的多时相变化检测及地物识别分类方法,将相同特征地物进行背景化,突出变化区域的图斑,方便工作人员识别,排除了一些要求标准之下的变化的干扰,更加有的放矢,快速得到所需变化的结果。
技术领域
本发明涉及基于遥感影像的多时相变化检测及地物识别分类方法。
背景技术
在第三次全国国土调查统一时点更新工作中,需要提取新的土地利用变化图斑,需要大量的人工通过对比不同时相的遥感影像,逐个图斑的来查找判断新发生的土地利用情况变化,一个普通的县大约有15万-20万个图斑,工作量巨大,由于不同时相影像特征的季节差异,光谱差异等情况,给人工判断带来了很大的干扰,经常出现错判和漏判。如何解决人工判读不同时相影像工作量大、容易错判、漏判的现象,是现有技术急需解决的技术问题。
发明内容
本发明的目的在于提供基于遥感影像的多时相变化检测及地物识别分类方法,以解决现有技术中的人工判读不同时相影像工作量大、容易错判、漏判的问题。
为了解决上述问题,本发明的方案为:
基于遥感影像的多时相变化检测及地物识别分类方法,包含以下步骤:
步骤1、地物识别:分别将监测区域的前、后两期影像进行提取,利用影像特征进行地物识
别,提取并分割地类,形成不同颜色区域的彩色图像;
步骤2、变化检测:对地物识别后的前、后两期影像进行对比检查,将相同特征地物进行背
景化,突出变化区域的图斑;
步骤3、拓扑检查:通过拓扑检查模块对对比后的图像进行拓扑及属性检查,根据设定阈值,将低于阈值的碎小图斑舍弃或者合并到相邻且相同属性图斑中;
步骤4、输出:输出具有突出变化区域的影像结果。
优选的,步骤1中,图像特征包括光谱特征、颜色特征和/或纹理特征,识别及分隔地类所
利用的函数或公式为:
yf=fC(WC,2*fC(WC,1*x+BC,1)+BC,2);
l=argmax(fFC(WFCyf+BFC))
其中,yf为提取的特征向量;fC为特征提取模型的激活函数,一般为ReLU;WC,2,WC,1,BC,1和BC,2为特征提取模型参数,可以通过卷积神经网络样本训练得到;x为输入的影像;*
表示卷积操作;l为最后得到的类别标签;fFC为分类模型的激活函数,一般为softmax,WFC和BFC为分类模型参数,可通过卷积神经网络样本训练得到。
优选的,步骤2中,对比检查利用的函数或公式为
lc=(lo≠ln)
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河南省国土资源调查规划院(河南省国土资源厅不动产登记中心);郑州新图信息科技股份有限公司,未经河南省国土资源调查规划院(河南省国土资源厅不动产登记中心);郑州新图信息科技股份有限公司许可,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/202110097583.4/2.html,转载请声明来源钻瓜专利网。