[发明专利]基于精细分类的农业设施遥感提取方法和装置

摘要

本申请涉及一种基于精细分类的农业设施遥感提取方法和装置，将深度学习技术引入农业设施遥感提取中，该方法实现了农业设施轮廓边界与数量、面积的全自动化获取，避免了传统像素分类方法和面向对象分类方法中复杂的特征选择过程，并显著提高了农业设施的提取精度，节约人力、时间。本申请同时还细分了农业设施为普通单体塑料农业设施、连栋农业设施、覆盖遮阳网的连栋或单体农业设施、温室农业设施以及无薄膜覆盖的农业设施、设备房。将不同场景的农业设施进行训练与提取，并在最后的结果中将这些不同类型的农业设施结果进行融合。

主权项

1.一种基于精细分类的农业设施遥感提取方法，其特征在于，包括以下步骤：/nS1：数据获取、预处理与训练数据制作，获取高分辨遥感影像，并对高分辨遥感影像上的非农业设施、普通单体农业设施、连栋农业设施、覆盖网的农业设施、玻璃温室农业设施、无薄膜覆盖的农业设施以及农业设施设备房这7个类别农业设施的位置进行标注形成对每个像素均进行标注的掩膜图像，分别对原始影像和掩膜图像同时进行随机的固定大小的裁剪，对裁剪的图像块进行数据增强处理，将裁剪的图像块和经过数据增强处理后的图像块作为训练样本数据集，同时，选取一部分裁剪的图像块和经过数据增强处理后的图像块作为验证数据集；/nS2：搭建U-net网络模型，将训练样本数据集输入到U-net网络模型中进行训练，训练时以裁剪后的原始影像的图像块和经过数据增强处理后的原始影像的图像块以及对掩膜图像进行裁剪的图像块和经过数据增强处理后的膜图像的图像块作为U-net网络模型的输入，经过训练获得农业设施提取模型，并以验证数据集进行验证得到的农业设施分类模型；/nS3：将待分类影像裁剪为固定大小的图像块，将图像块输入到农业设施分类模型中分别进行预测，得到每个图像块中每个像素点的农业设施类别，然后将图像块再拼接成整张图像；/nS4：将整张图像上相邻且相同的农业设施类别的像素进行合并得到图斑，去除其中面积和/或周长小于阈值的图斑，将剩余图斑进行矢量化和矩形化，以最小面积的外接矩形表示农业设施的初步轮廓边界；/nS5：对于标记为普通单体农业设施、无薄膜覆盖的农业设施的初步轮廓边界进行长度和宽度的校正；/n对于标记为连栋农业设施、玻璃温室、农业设施设备房的初步轮廓边界进行轮廓边界等距离扩张；/nS6：整合轮廓边界结果、统计农业设施的类型、数量和面积。/n