[发明专利]模型训练方法及林地变化检测方法及系统及装置及介质

说明书

本发明公开了模型训练方法及林地变化检测方法及系统及装置及介质，涉及遥感影像处理领域，本方法包括获得目标区域的遥感影像；从所述遥感影像中提取出植被覆盖区域，将所述植被覆盖区域分割为林地区域和非林地区域，将所述林地区域和所述非林地区域进行分类标记，获得分类标签图；构建分类模型，所述分类模型的输入为预设区域的遥感影像，所述分类模型的输出为所述预设区域的遥感影像中的林地区域和非林地区域；从所述分类标签图中采集所述林地区域和所述非林地区域的若干特征数据，基于所述特征数据训练所述分类模型，通过本发明训练的分类模型可以快速且准确的获得遥感影像中的林地区域和非林地区域。

技术领域

本发明涉及遥感影像处理领域，具体地，涉及模型训练方法及林地变化检测方法及系统及装置及介质。

背景技术

森林资源变化检测技术是获取由于外界因素所造成的林地变化区域的技术。目前主要的技术是依靠人工目视解译高分辨率遥感影像，比对两期遥感影像，人工勾画出森林变化的区域，这种方法效率较低，且解译结果容易受主观意识影响，导致解译结果准确率不高，无法满足对于大范围的森林资源实行长期和高频率的变化检测的需求。

发明内容

为了解决上述问题，本发明提供了模型训练方法及林地变化检测方法及系统及装置及介质，通过本发明训练的分类模型可以快速且准确的获得遥感影像中的林地区域和非林地区域。

为实现上述目的，本发明提供了模型训练方法，所述方法包括：

获得目标区域的遥感影像；

从所述遥感影像中提取出植被覆盖区域，将所述植被覆盖区域分割为林地区域和非林地区域，将所述林地区域和所述非林地区域进行分类标记，获得分类标签图；

构建分类模型，所述分类模型的输入为预设区域的遥感影像，所述分类模型的输出为所述预设区域的遥感影像中的林地区域和非林地区域；

从所述分类标签图中采集所述林地区域和所述非林地区域的若干特征数据，基于所述特征数据训练所述分类模型。

其中，本方法的原理为首先获得目标区域的遥感影像；然后从所述遥感影像中提取出植被覆盖区域，将所述植被覆盖区域分割为林地区域和非林地区域，将所述林地区域和所述非林地区域进行分类标记，获得分类标签图，标记后便于进行模型的训练，从所述分类标签图中采集所述林地区域和所述非林地区域的若干特征数据，基于所述特征数据训练所述分类模型，其中，分类标签图中具有很多种数据，本方法提取的是反映林地区域和非林地区域的特征数据，利用特征数据训练获得的分类模型在后续应用时能够准确的获得遥感影像中的林地区域和非林地区域，通过上述训练方法能够获得分类模型，而利用分类模型可以快速准确的输出遥感影像中的林地区域和非林地区域，进而可以代替传统的人工人工勾画出森林变化的区域，提高了效率和准确率。

其中，在本方法中，所述特征数据包括以下类型数据中的一种或几种：光谱特征数据、归一化植被指数NDVI数据、归一化水体指数NDWI数据和地形特征数据。

其中，光谱特征数据、归一化植被指数NDVI数据、归一化水体指数NDWI数据和地形特征数据中的任意一种数据均可以判断出遥感影像中的林地区域和非林地区域。

其中，所述特征数据为光谱特征数据。光谱特征数据是上述数据中最能够准确反映遥感影像中的林地区域和非林地区域，因此，当特征数据为光谱特征数据可以准确的反映遥感影像中的林地区域和非林地区域。

其中，仅仅依靠一种数据来判断遥感影像中的林地区域和非林地区域时容易存在误判的风险，因此，本方法也可以结合多种数据进行同时判断来提高判断遥感影像中的林地区域和非林地区域的准确性，如光谱特征数据、归一化植被指数NDVI数据、归一化水体指数NDWI数据和地形特征数据中的任意几种数据结合进行判断来提高整体判断的准确性。