[发明专利]一种面向生态保护红线的人类活动识别融合方法及系统

说明书

本发明公开了一种面向生态保护红线的人类活动识别融合方法及系统，该方法包括：获取目标生态保护红线区域的前期遥感影像和后期遥感影像，进行数据预处理；将经预处理后的前期遥感影像和后期遥感影像输入提前训练后的人类活动识别模型；识别出所述目标生态保护红线区域的人类活动图斑，作为第一检测结果；基于地理国情数据对所述目标生态保护红线区域对应的最新影像数据进行分割、计算、分析，得出识别变化图斑，作为第二检测结果；将所述第一检测结果与第二检测结果进行融合，获得所述目标生态保护红线区域的变化检测图斑。相比传统单一的识别方法和单一的数据源，提高了提取的精度，有效降低了后期人工作业量，大幅度提高生产效率。

技术领域

本发明属于地理信息领域、遥感应用技术领域，特别涉及一种面向生态保护红线的人类活动识别融合方法及系统。

背景技术

生态保护红线类型多，范围大，人类活动复杂多样，不同的红线区域关注的侧重点不同，单纯依靠单一的数据源及单一的识别方法，难以达到一定的识别精度。人类活动的多样性使得人类活动的信息表达异常复杂，同时人类活动信息区别于自然信息的是，人类活动信息破碎化严重、场景多，难以基于传统方法统一分析处理提取类别信息。

基于遥感影像的人类活动变化检测过程非常复杂，涉及图像预处理、阈值分割、特征提取、图像分割及分类等若干环节，当前并没有一种变化检测流程及方法被普遍认为具有绝对优势，且多数算法解决的问题及理论仍相对分散。

因此，如何解决单一技术方法区域适配性低、精度差等问题，提升人类活动自动识别水平，同行从业人员亟待解决。

发明内容

鉴于上述情况，本发明提出了一种面向生态保护红线的人类活动识别融合方法及系统，该方法通过将人工智能与全样本变化检测方法进行融合，可解决单一技术方法区域适配性低、精度差等问题。

为实现上述目的，本发明采取的技术方案为：

第一方面，本发明实施例提供一种面向生态保护红线的人类活动识别融合方法，包括以下步骤：

获取目标生态保护红线区域的前期遥感影像和后期遥感影像，进行数据预处理；

将经预处理后的前期遥感影像和后期遥感影像输入提前训练后的人类活动识别模型；所述人类活动识别模型采用多组数据训练，多组数据包括：红线区前期影像和后期影像；所述后期影像带有人类活动标注；

识别出所述目标生态保护红线区域的人类活动图斑，作为第一检测结果；

基于地理国情数据对所述目标生态保护红线区域对应的最新影像数据进行分割、计算、分析，得出识别变化图斑，作为第二检测结果；

将所述第一检测结果与第二检测结果进行融合，获得所述目标生态保护红线区域的变化检测图斑。

进一步地，所述人类活动识别模型的构建过程，包括：

获取生态保护红线区域前、后时相遥感影像；所述前时相遥感影像上为自然地表覆盖；所述后时相遥感影像上为人类活动痕迹地表，且带有勾画人类活动标注；

对所述生态保护红线区域前、后时相遥感影像进行数据预处理；

将人类活动标注矢量数据栅格化，结合所述前后时相遥感影像数据进行裁切处理，获得配对的瓦片样本数据集；

将所述瓦片样本数据集按照预设比例分为训练集和验证集；

构建深度卷积神经网络模型，对前、后时相遥感影像输入分别进行特征提取，再进行多尺度拼接；

采用所述训练集和验证集，对深度卷积神经网络模型进行迭代训练和验证；

当训练后的所述深度卷积神经网络模型的评估预测结果满足预设条件后，得到人类活动识别模型。