[发明专利]基于深度神经网络的高分辨率遥感卫星影像甘蔗提取方法

摘要

本发明公开了一种基于深度神经网络的高分辨率遥感卫星影像甘蔗提取方法，主要包括组织高分辨率遥感影像甘蔗地样本库、清洗甘蔗地样本库获得数据集文件、通过深度卷积神经网络算法对甘蔗数据集文件训练计算获得甘蔗模型参数、导入甘蔗模型文件对高分辨率遥感影像进行地物识别、提取甘蔗地范围并导出。本发明能够辅助糖料蔗生产、管理部门及企业，对高分辨率遥感影像进行快速检索，识别甘蔗种植区，为糖料蔗种植区域划定、糖料蔗估产提供可靠的参考。

主权项

1.一种基于深度神经网络的高分辨率遥感卫星影像甘蔗提取方法，其特征在于，包括以下步骤：步骤一，收集大量高分辨率遥感卫星影像图片，按照影像的匀色标准对图片进行处理、编码、标记，区分甘蔗地、非甘蔗地，建立样本库，包括甘蔗样本数据集和非甘蔗样本数据集；步骤二，利用样本库进行模型训练，将甘蔗影像样本图片和标记样本图片输入甘蔗分类模型中，甘蔗分类模型多多层卷积网络组成，输入的甘蔗遥感影像样本的大小为512像素*512像素，像素的值在0～255范围内，影像的图像通道为4个，输入的矩阵形状为4*512*512，输入的图像经过多层卷积计算后得到一个多维的矩阵数据，并将这个多维的矩阵数据与标记样本进行差值计算，求出预测的损失值，将求出的损失值反向传播回每一层卷积网络中，更新卷积网络中的计算参数，重复上述操作，反复求出损失值，直到损失值不再变小为止，即表示拟合，模型参数训练完成；步骤三，按照给定高分辨率遥感卫星影像，将影像数据导入上一步训练好的模型中，具体为：1）将高分辨率遥感卫星影像的图片按照512*512像素规格进行裁切；2）将裁切后的图片重新输入到步骤二中训练好的模型中，模型根据输入的影像数据进行卷积运算，得到输入图片每个像素点的概率值，最终得到的结果为4*512*512的概率矩阵；3）步骤2）的计算结果为每个像素点的概率多维的矩阵数据，这些矩阵数据为相应像素点的概率，概率值为0～1，当概率值大于0.5时，则表明相应的像素点为甘蔗，否则不是；通过行列循环迭代之后，得出图片中所有的多维的矩阵数据中是甘蔗的像素点，从而达到图片像素点分类的目的；步骤四，根据步骤三中获得的是甘蔗的像素点，导出甘蔗地范围。