[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

说明书

本发明公开了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。本发明的方法基于人工智能网络构建了林草资源变化判读模型，进而实现了遥感影像数据中林草资源变化自动判读工作，判读过程中无需任何人为参与，最后得到判读结果文件可用来辅助资源监测工作，有效提高实际工作的效率，节省人力、财力，解决了人工目视判读存在的漏判等问题。本发明设计的判读模型可迭代性强，若出现新的林草资源数据，只需要将新的林草资源数据制作为数据集，重新训练模型参数，即可将新的模型再部署到实际应用系统中。

技术领域

本发明属于深度学习的图像分割领域，具体涉及到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。

背景技术

遥感影像是指利用航天卫星的传感器或航空飞行器运载的遥感仪器对地球进行特定电磁波探测而得到的森林图像。遥感探测技术是获取环境信息和地球资源的关键手段，它是衡量一个国家科技水平和综合实力的重要标志之一，已经广泛应用于海洋、农业、林业、水资源、环境保护、土地利用和城市规划等各种领域。面对广阔的应用前景，从遥感影像中提取出有用的信息显得尤为重要。目前普遍以人工目视的方式获得森林现状或动态的信息。但由于数据量逐渐庞大的现实原因之上，人工的方式显然不再可行，需要智能化、自动化的处理方式。随着深度学习的发展，部分技术已逐渐成熟，为遥感影像的信息处理提供了有力的解决方案。

图像语义分割属于AI、计算机视觉领域的概念，主要指根据图像的颜色、形状和纹理等特征，将其分割为多个不重叠的区域，借此可以得到所需要的目标。在遥感影像中可以通过图像语义分割技术，将图像中的特定目标划分标记出来，以此提取遥感影像中的特定信息，例如森林植被资源、河流道路资源等等；这些提取的准确性会影响到后继的工作效率。

发明内容

本发明的目的在于解决现有技术中存在的问题，并提供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。

本发明所采用的具体技术方案如下：

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；