[发明专利]一种基于无人机图像的草原覆盖变化检测方法

权利要求书

1.一种基于无人机图像的草原覆盖变化检测方法，其特征在于，包括以下步骤：

利用遥感图像采集无人机，采集被检测草原区域的实时遥感图像；

利用图像处理技术，分别对所述实时遥感图像和预设存储的历史遥感图像进行多特征提取并融合，基于融合的特征，获得数据集，并将所述数据集划分为训练集和测试集；

构建BP神经网络模型；

利用所述训练集对所述BP神经网络模型进行训练；

利用所述测试集和训练好的所述BP神经网络模型，实现对草原覆盖变化的检测。

2.根据权利要求1所述的基于无人机图像的草原覆盖变化检测方法，其特征在于，所述遥感图像采集无人机搭载CCD相机；CCD相机对被检测的草原区域进行拍照。

3.根据权利要求1所述的基于无人机图像的草原覆盖变化检测方法，其特征在于，分别对所述实时遥感图像和预设存储的历史遥感图像进行多特征提取的方法为：

分别对所述实时遥感图像和所述历史遥感图像进行背景建模，提取前景图；

对前景图进行颜色归一化处理；

利用分割算法将归一化处理后的前景图分割成多个b1ob子区域，对分割的b1ob子区域利用计算几何学方法拟合成预设规则的几何形状；

提取各拟合后的blob子区域对应的颜色和位置特征。

4.根据权利要求3所述的基于无人机图像的草原覆盖变化检测方法，其特征在于，对前景图进行颜色归一化处理的方法为：像素颜色值对R，G，B三通道亮度之和或者对三通道最大值进行归一。

5.根据权利要求1所述的基于无人机图像的草原覆盖变化检测方法，其特征在于，对多特征进行融合的方法为：

在keras深度学习框架上，引入逆卷积运算，将不同层次特征信息进行融合。

6.根据权利要求1所述的基于无人机图像的草原覆盖变化检测方法，其特征在于，构建BP神经网络模型的方法为：

设置所述BP神经网络模型的输入层节点数为融合特征的数量、并设置所述BP神经网络模型的输出层节点；

根据所述输入层节点数量以及所述输出层节点数据，采用试凑法确定所述BP神经网络模型的隐含层节点数；

根据确定的输入层节点数、输出层节点数以及隐含层节点数，构建BP神经网络模型。

7.根据权利要求1所述的基于无人机图像的草原覆盖变化检测方法，其特征在于，所述根据确定的输入层节点数、输出层节点数以及隐含层节点数，构建BP神经网络模型包括：

根据确定的输入层节点数、输出层节点数以及隐含层节点数，采用Sig-moid函数作为激活函数，构建BP神经网络模型。

8.根据权利要求1所述的基于无人机图像的草原覆盖变化检测方法，其特征在于，利用所述训练集对所述BP神经网络模型进行训练的方法为：

随机抽取融合特征的图像样本中的80％作为训练样本，对BP神经网络模型进行训练；输入数据时利用归一化处理，加快BP神经网络模型学习时收敛速度。