[发明专利]基于遥感影像地物分类的城市功能区识别方法

权利要求书

1.一种基于遥感影像地物分类的城市功能区识别方法，其特征在于，具体包括以下步骤：

S1：选取数据源，获取选定区域遥感影像数据；

S2：对所述步骤S1中的获取的遥感影像数据进行预处理，包括影像纠正、影像融合、影像匀色和影像镶嵌；

S3：以进行预处理后的所述步骤S2中的遥感影像为数据源，对深度学习语义分割网络进行训练，其中，所述深度学习语义分割网络采用Unet网络，并通过构建多个采样层，提取地物分类图像；

S4：对所述步骤S3中提取的地物分类图像，分别采用数学形态学中的开运算平滑物体的轮廓，断开狭窄的狭颈和消除边缘毛刺；采用数学形态学中的闭运算弥合狭窄的断裂和细长的沟壑，消除孔洞，并填补轮廓的缝隙；

S5：将所述步骤S4中的图像进行格网划分，分别计算每个格网内的建筑面积、水体面积、植被覆盖率、道路长度，构建城市功能区识别回归模型；

S6：根据所述步骤S5中的城市功能区识别回归模型，获得城市功能区识别结果。

2.根据权利要求1所述的基于遥感影像地物分类的城市功能区识别方法，其特征在于，所述步骤S1中获取的数据源为30米分辨率高光谱遥感影像数据。

3.根据权利要求1所述的基于遥感影像地物分类的城市功能区识别方法，其特征在于，所述步骤S2中，对遥感影像数据进行预处理分为以下两个过程：

S21：在ENVI软件中对遥感影像数据预处理，包括影像纠正、影像融合、影像匀色和影像镶嵌；

S22：先对经过所述步骤S21处理的遥感影像数据图像进行掩膜增强处理；然后通过双边滤波算法对图像进行处理；

其中，所述掩膜增强处理中的掩膜增强算法如下：

（1）；

公式（1）中，I（i，j）表示图像在（i，j）处的像素值，i、j表示图像中某一像素的坐标；

所述双边滤波算法具体如下：

（2a）；

（2b）；

式中，表示经过滤波处理以后的图像，表示归一化因子，p表示像素点，q表示其邻近像素点，S表示邻近像素点的集合，s表示表示邻近像素点，表示输入图像，表示像素点p与其邻近像素点q之间的欧氏距离，表示像素点p与其邻近像素点q之间灰度相似性，和表示对应的高斯函数。

4.根据权利要求1所述的基于遥感影像地物分类的城市功能区识别方法，其特征在于，在所述步骤S3中，采样层为两层；使用不同尺寸的卷积核代替原始卷积核，选择1*3或3*5卷积核；再将输出结果进行下采样至输入图像原始尺寸，具体步骤为：

S31：对遥感影像数据进行切分；

S32：定义双采样层Unet网络并使用上述遥感影像进行参数训练，得到精度满足全局最优的模型即为遥感影像地物分类模型；

S33：使用训练好的遥感影像地物分类模型识别本地遥感影像中的地物。