[发明专利]农业遥感图像分析方法及系统

权利要求书

1.一种农业遥感图像分析方法，其特征在于，包括：

获取农业遥感图像；

将所述农业遥感图像输入至改进U-Net神经网络模型，输出所述农业遥感图像的各像素对应的地物种类，其中所述改进U-Net神经网络模型是根据带有地物种类标签的农业遥感图像进行训练后获得的，

所述改进U-Net神经网络模型包括多个并行的支路模型，所述支路模型用于对所述农业遥感图像进行不同地物特征提取，所述支路模型均为U-Net深度卷积神经网络。

2.根据权利要求1所述的农业遥感图像获取方法，其特征在于，所述获取农业遥感图像包括：通过对高光谱卫星遥感影像的各频段进行相关性分析，选取在农业领域区分度高的频段组合，以获得所述农业遥感图像。

3.根据权利要求1所述的农业遥感图像分析方法，其特征在于，所述改进U-Net神经网络模型还包括融合分类模型，所述支路模型的输出端分别与所述融合分类模型的输入端相连，所述融合分类模型对经过所述支路模型处理后的农业遥感图像进行融合和分类。

4.根据权利要求3所述的农业遥感图像分析方法，其特征在于，所述将所述农业遥感图像输入至改进U-Net神经网络模型，输出所述农业遥感图像各像素对应的地物种类包括：

基于所述支路模型对所述农业遥感图像进行不同地物特征提取，各支路获取大小与输入相同的二维特征向量；

基于所述融合分类模型将各支路的二维特征向量融合为最终二维特征向量，并根据所述最终二维特征向量获取所述农业遥感图像的各像素对应的地物种类。

5.根据权利要求4所述的农业遥感图像分析方法，其特征在于，所述支路模型为改进U-Net神经网络模型，所述融合分类模型包括可信度评价模型，所述可信度评价模型对各支路的结果进行评价、选取和融合。

6.根据权利要求4所述的农业遥感图像分析方法，其特征在于，在所述基于所述各支路模型对所述农业遥感图像进行不同地物特征提取之前，所述方法包括：

利用边缘填充图像切分算法对所述农业遥感图像进行切分。

7.根据权利要求4所述的农业遥感图像分析方法，其特征在于，在所述基于所述各支路模型对所述农业遥感图像进行不同地物特征提取之前，所述方法包括：

将所述改进U-Net神经网络模型的卷积、反卷积和池化操作修正为使用相等填充；

将所述改进U-Net神经网络模型的损失函数修正为使用加权交叉熵损失函数。

8.根据权利要求1-7中任一项所述的农业遥感图像分析方法，其特征在于，所述地物种类包括农业用地、水域、建筑、道路和其它地物种类。

9.一种农业遥感图像分析系统，其特征在于，包括：

图像获取模块，用于获取农业遥感图像；

图像分析模块，用于将所述农业遥感图像输入至改进U-Net神经网络模型，输出所述农业遥感图像的各像素对应的地物种类，其中所述改进U-Net神经网络模型是根据带有地物种类标签的农业遥感图像进行训练后获得的，

所述改进U-Net神经网络模型包括多个并行的支路模型，所述支路模型用于对所述农业遥感图像进行不同地物特征提取，所述支路模型均为U-Net深度卷积神经网络。