[发明专利]一种遥感影像中基于AI技术的林草资源变化自动判读方法

权利要求书

1.一种遥感影像中基于AI技术的林草资源变化自动判读方法，其特征在于，步骤如下：

S1、获取经过训练的林草资源变化判读模型，所述林草资源变化判读模型包含级联的输入层、第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、反卷积模块和输出层；所述林草资源变化判读模型以(w,h)大小的遥感影像图片作为输入层的输入，再依次经过第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层后分别输出(w/2,h/2)大小的第一特征图、(w/4,h/4)大小的第二特征图、(w/8,h/8)大小的第三特征图、(w/16,h/16)大小的第四特征图、(w/32,h/32)大小的第五特征图；所述反卷积模块首先对第五特征图通过双线性插值进行上采样得到(w/16,h/16)大小的第六特征图，将所述第四特征图与所述第六特征图相加得到(w/16,h/16)大小的第七特征图，然后对第七特征图通过双线性插值进行上采样得到(w/8,h/8)大小的第八特征图，将所述第三特征图与所述第八特征图相加得到(w/8,h/8)大小的第九特征图，最后将第九特征图进行上采样恢复成以(w,h)大小的第十特征图；所述输出层用于对第十特征图进行逐像素计算分类概率，进而预测得到每个像素所属的图斑分类标签，形成当前输入图片对应的图斑类别判别结果；所述图斑分类标签包括林草资源图斑和非林草资源图斑；

S2、将目标区域的前期遥感影像和后期遥感影像分别进行连续无缝切割，形成(w,h)大小的图像块，将所有切割得到的图像块分别输入所述经过训练的林草资源变化判读模型中，由模型输出每个图像块对应的图斑类别判别结果；将前期遥感影像中所有图像块的对应的图斑类别判别结果重新按序拼接，形成前期判别结果，将后期遥感影像中所有图像块的对应的图斑类别判别结果重新按序拼接，形成后期判别结果；

S3、将前期判别结果和后期判别结果进行比对，识别出所有出现林草资源变化的变化像素，并以二值图形式记录；所述出现林草资源变化的变化像素应当满足该像素在前期判别结果中属于林草资源图斑，而在后期判别结果中属于非林草资源图斑；

S4、针对所述二值图中由变化像素构成的每一块图斑进行内部孔洞填充，使每一块图斑连续，得到待选图斑集合；

S5、遍历待选图斑集合中的每一块图斑，计算该图斑区域在前期遥感影像和后期遥感影像中各自的RGB直方图，进而计算两个RGB直方图的色值相似度，若色值相似度超出允许的色值相似度阈值则从待选图斑集合中剔除该图斑，最终待选图斑集合中保留的图斑即为目标区域中出现林草资源变化的关注区域。

2.如权利要求1所述的遥感影像中基于AI技术的林草资源变化自动判读方法，其特征在于，所述林草资源变化判读模型预先利用训练数据训练至预测精度满足要求，所述训练数据由真实遥感影像数据经过人工标注后得到，且人工标注数据经过数据增强以扩充样本量；模型训练过程中采用的损失函数为交叉熵损失。

3.如权利要求1所述的遥感影像中基于AI技术的林草资源变化自动判读方法，其特征在于，所述S4中，所述二值图为黑白二值图，代表非变化像素的黑色像素的值为0，代表变化像素的白色像素的值为1，对图斑进行内部孔洞填充的方法为：

S41、遍历整个二值图的所有像素，找到第一个黑色像素点后，通过深度优先遍历算法找到所有联通的黑色背景区域；

S43、将联通的黑色背景区域内的像素值由0改为1，二值图中剩余的黑色区域即为需要填充的内部孔洞；

S43、将二值图的色值反转后得到辅助图像；

S44、将原始的二值图和辅助图像进行逐像素相加，得到经过孔洞填充后的结果。

4.如权利要求1所述的遥感影像中基于AI技术的林草资源变化自动判读方法，其特征在于，所述第一卷积层输入大小为512*512的图片，输出256*256大小的第一特征图，卷积核kernel为3*3、步长stride为2、填充padding为1，且第一卷积层中加入BatchNorm2d(512)层。