[发明专利]农业遥感图像分析方法及系统

说明书

本发明提供一种农业遥感图像分析方法及系统。该方法包括：获取农业遥感图像；将农业遥感图像输入至改进U‑Net神经网络模型，输出农业遥感图像的各像素对应的地物种类，其中改进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，改进U‑Net神经网络模型包括多个并行的各支路模型，各支路模型用于对农业遥感图像进行不同地物特征提取，各支路模型均为U‑Net深度卷积神经网络。本发明有效解决了传统方法数据获取成本高，分割精度差，尤其是难以实现像素级分割的问题，为实现农业定量遥感分析和作物种植面积遥感制图等提供了重要的技术和方法基础，对于提高农业遥感图像分析效果有着重要的参考意义和价值。

技术领域

本发明涉及深度学习和图像处理技术领域，尤其涉及一种农业遥感图像分析方法及系统。

背景技术

遥感图像作为记录各类地物电磁波特征的一类图像，具有其快速、简便、宏观、无损及客观等优点，被世界各国广泛应用于农业生产各个环节。我国作为世界农业大国之一，结合各类农业遥感图像，可以进行包括农业定量遥感分析和作物种植面积遥感制图等多个方面的多种农业信息获取，提高农业生产效率，对我国的农业发展具有十分重要的意义。

农业遥感图像的分析主要包括图像获取、地物识别和数据分析等环节，而在农业遥感图像分析的地物识别环节中，正确区分各类不同地物并进行相应的标识，有利于提高后续数据分析环节的准确度和实际利用价值，能使遥感图像分析效果大幅提高。现有技术中，农业遥感图像分析使用人工目视解译法进行，即通过专业培训的判读人员人工对遥感图像进行边界勾画、类型分类。

然而，现有技术存在以下问题：人工目视解译法不仅分类速度慢，耗费大量的人力和物力，且人工分类易受主观影响，误差大，影响分类效率。此外，随着农业遥感图像分析的使用越发普遍，仅靠人工目视解译法，已无法满足对农业遥感图像分析速度的需求。因此，亟需一种快速，准确的农业遥感图像分析方法，来提高地物识别、分割的速率和效率，进一步提高农业遥感图像分析在农业生产中的作用。

发明内容

本发明提供一种农业遥感图像分析方法及系统，旨在解决现有技术中耗费大量的人力和物力，且人工分类易受主观影响，误差大，影响分类效率的问题。

具体地，本发明实施例提供了以下技术方案：

第一方面，本发明的实施例提供一种农业遥感图像分析方法，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。

进一步地，该农业遥感图像分析方法还包括：

所述获取农业遥感图像包括：通过对所述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。

进一步地，该农业遥感图像分析方法还包括：

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。

进一步地，该农业遥感图像分析方法还包括：

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；