[发明专利]一种提取不透水面产品集的方法

权利要求书

1.一种提取不透水面产品集的方法，其特征在于，包括：

基于现有研究机构发布的高精度地表覆盖多要素产品或不透水面产品，自动构建地物类型样本库；

通过所述地物类型样本库，搭建地表覆盖产品分类模型，并通过所述地表覆盖产品分类模型提取遥感图像中的地表覆盖要素，得到地表覆盖产品的初始分类结果；

利用隐马尔可夫时空模型对所述初始分类结果进行时空一致性调节，得到高精度的不透水面分类产品。

2.根据权利要求1所述的方法，其特征在于，所述基于现有研究机构发布的高精度地表覆盖多要素产品或不透水面产品，自动构建地物类型样本库，包括：

对多个所述地表覆盖多要素产品或所述不透水面产品进行重分类，得到多个人工不透水面；

将所述多个人工不透水面进行坐标统一数据融合，标记类型一致和冲突的像素，得到融合后的不透水面样本。

3.根据权利要求1所述的方法，其特征在于，所述基于现有研究机构发布的高精度地表覆盖多要素产品或不透水面产品，自动构建地物类型样本库，包括：

通过OSM要素和不透水面之间的映射关系，将不同OSM面要素类别赋值，得到多种要素类别对应的要素；

将所述多种要素类别对应的要素进行要素合并，得到不透水面类要素和非不透水面类要素；

将不透水面和多要素地表覆盖产品的不透水面类要素和非不透水面类要素进行数据融合，筛选融合后数据中要素冲突点并通过代码优化所述要素冲突点，得到优化后的不透水面样本。

4.根据权利要求1所述的方法，其特征在于，所述基于现有研究机构发布的高精度地表覆盖多要素产品或不透水面产品，自动构建地物类型样本库，包括：

利用预设大小的滑动窗口在融合及优化后的不透水面上滑动，当所述滑动窗口内要素冲突点数量小于预设值即要素点一致的精度大于等于预设精度时，裁剪所述滑动窗口内的图像样本，得到所述地物类型样本库。

5.根据权利要求1所述的方法，其特征在于，所述通过所述地物类型样本库，搭建地表覆盖产品分类模型，并通过所述地表覆盖产品分类模型提取遥感图像中的地表覆盖要素，得到地表覆盖产品的初始分类结果，包括：

在深度学习模型方法中对通道数量和图像分类类别数量对应参数进行配置，得到配置后基于深度学习的语义分割网络模型；

通过预设的损失函数对所述地物类型样本库中的样本进行相似性评估，筛选用于模型训练的正负样本；

通过所述正负样本对所述配置后基于深度学习的语义分割网络模型进行训练，得到所述地表覆盖产品分类模型，并通过所述地表覆盖产品分类模型提取遥感图像中的地表覆盖要素，得到地表覆盖产品的初始分类结果。

6.根据权利要求1所述的方法，其特征在于，所述利用隐马尔可夫时空模型对所述初始分类结果进行时空一致性调节，得到高精度的不透水面分类产品，包括：

对所述初始分类结果中的遥感图像上每一像素在初始年份时属于多个要素类别的概率进行预测，得到初始分类结果；

利用贝叶斯公式计算初始分类结果中的每一类别产生的光谱向量的观测概率，得到多个观测概率；

计算相邻两年内所述初始分类结果中遥感图像上每一像素类别发生变化的概率，得到地物类别转移概率矩阵；

通过前向算法和后向算法对所述初始分类结果、所述多个观测概率和所述地物类别转移概率矩阵计算所述初始分类结果中遥感图像上每一像素所属类别，得到类别标签和识别置信度小于预设值的像素。

7.根据权利要求1所述的方法，其特征在于，所述利用隐马尔可夫时空模型对所述初始分类结果进行时空一致性调节，得到高精度的不透水面分类产品，包括：

在所述隐马尔可夫时空模型的基础上，引入空间信息因子对所述初始分类结果进行时空一致性调节，得到所述高精度的不透水面分类产品。