[发明专利]一种基于面向对象和卷积神经网络的城市植被提取方法在审
| 申请号： | 202111091526.1 | 申请日： | 2021-09-17 |
| 公开（公告）号： | CN113837050A | 公开（公告）日： | 2021-12-24 |
| 发明（设计）人： | 李雪涛 | 申请（专利权）人： | 厦门星座卫星应用研究院有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京盛凡佳华专利代理事务所(普通合伙) 11947 | 代理人： | 吴佳佳 |
| 地址： | 361000 福建省厦门市软*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 面向 对象 卷积 神经网络 城市 植被 提取 方法 | ||
1.一种基于面向对象和卷积神经网络的城市植被提取方法，其特征在于：所述的提取方法步骤如下：
步骤一：哨兵二号数据获取；
步骤二：哨兵二号数据预处理；
步骤三：样本数据的获取，包括遥感分割融合影像和对应的植被分类影像两个部分；
步骤四：样本数据处理，包括样本数据的增广、样本数据的裁剪、样本数据的归一化、样本数据的保存；
步骤五：深度学习U-net网络模型构建；
步骤六：U-net深度学习模型最优参数训练；
步骤七：最优U-net深度学习模型提取城市植被。
2.根据权利要求1所述的一种基于面向对象和卷积神经网络的城市植被提取方法，其特征在于：所述的遥感分割融合影像通过ENVI软件中的Segment Only FeatureExtraction Workflow处理模块，对步骤二得到的遥感影像进行分割融合操作后，再同原始影像进行波段融合后的遥感影像，植被分类影像基于ENVI遥感处理软件，输入步骤二得到的遥感影像，根据选取的样本感兴趣区，通过随机森林分类方法，获取植被分类结果图。
3.根据权利要求1所述的一种基于面向对象和卷积神经网络的城市植被提取方法，其特征在于：所述的样本数据增广是通过对数据的旋转、翻转、增加噪声等操作进行相应的数据增加，采用Python语言，利用OpenCV、Numpy、Matplotlib、TensorFlow2.0等数据库，编写数据增广代码、数据裁剪代码，以此增加样本数据量及获取适应模型输入大小的样本数据。
4.根据权利要求1所述的一种基于面向对象和卷积神经网络的城市植被提取方法，其特征在于：所述的U-net模型采用卷积层、池化层进行特征提取，再采用反卷积层还原影像尺度，同时U-net模型融合了编码-解码结构和跳跃网络的特点。
5.根据权利要求1所述的一种基于面向对象和卷积神经网络的城市植被提取方法，其特征在于：所述的步骤六分为三轮训练，每轮训练35回，每回训练次数为32次。
6.根据权利要求1所述的一种基于面向对象和卷积神经网络的城市植被提取方法，其特征在于：所述的步骤七在进行提取城市植被时，需要对要提取的遥感影像，首先进行步骤二的处理，然后再进行步骤三中数据融合处理，最后再通过最优参数载入U-net深度学习模型，进行相应的城市植被提取。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于厦门星座卫星应用研究院有限公司，未经厦门星座卫星应用研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202111091526.1/1.html，转载请声明来源钻瓜专利网。
