[发明专利]一种基于卫星影像与无人机影像的作物分类方法

权利要求书

1.一种基于卫星影像与无人机影像的作物分类方法，其特征在于：包括如下步骤：

步骤1：获取研究区域内多时相的高分辨卫星影像的原始数据，同时在研究区域4个角点与1个中心点选择5个样方区域，获取每个样方区域的无人机影像，时间涵盖作物不同的物候期；

步骤2：对步骤1中所获取的多时相的高分辨率卫星影像数据和无人机影像数据进行预处理，得到相应的预处理结果；

步骤3：结合无人机现场照片数据，对无人机预处理结果数据进行人工解译，确定研究区域种植作物的位置与分布；

步骤4：以无人机影像人工解译结果为依据，在卫星影像预处理结果数据上进行不同作物类型的样本制作，同时为不同的作物样本赋予标签；

步骤5：利用Arcgis软件进行样本数据的格式转换，即将矢量样本数据进行栅格化处理；

步骤6：将每个作物样本和标签进行随机裁剪，得到一个256*256尺寸的作物样本库；

步骤7：将步骤6得到的训练样本和标签进行训练集、验证集、测试集分割，分割比例为6:2:2；

步骤8：建立深度学习网络模型，采用U-Net的语义分割网络结构，以Resnet50作为特征提取器；

步骤9：将步骤7得到的训练集和标签输入到步骤8建立的网络模型中，进行模型训练，自动学习不同作物在不同生长期的颜色、光谱、纹理、物候等特征，并根据验证集的精度变化确定最佳的作物分类模型；

步骤10：将无标签的测试集样本数据，输入到训练好的最佳作物分类模型中，得到该模型的农作物分类结果。

2.根据权利要求1所述的基于卫星影像与无人机影像的作物分类方法，其特征在于，还包括分类后处理，根据实际需求对作物分类的结果数据进行分类后处理，主要包括更改类别颜色、分类统计分析、小斑点处理和栅矢转换。

3.根据权利要求2所述的基于卫星影像与无人机影像的作物分类方法，其特征在于，还包括精度验证，借助混淆矩阵对模型训练完成后的作物分类结果进行精度验证，主要采用总体分类精度、Kappa系数两个指标参数。

4.根据权利要求1所述的基于卫星影像与无人机影像的作物分类方法，其特征在于，步骤2的具体操作步骤如下：

步骤21，对多时相的原始卫星遥感影像数据进行辐射定标、大气校正、几何校正、全色波段和多光谱波段融合的预处理。

步骤22，对多时相的无人机影像数据进行坐标转换、影像校正、影像拼接、影像裁剪等预处理。

5.根据权利要求1所述的基于卫星影像与无人机影像的作物分类方法，其特征在于，步骤6包括如下步骤：

步骤61，采用滑动裁剪方法，以10％的滑动重叠率将上述得到的农作物样本和标签图裁剪为256*256像素大小的样本；

步骤62，对步骤61中裁剪得到的样本进行样本扩增处理，处理方法包括进行水平及垂直翻转、随机旋转、变形或亮度调整的处理。

6.根据权利要求1所述的基于卫星影像与无人机影像的作物分类方法，其特征在于，步骤1中所述高分辨卫星影像数据，其分辨率为米级或亚米级；无人机影像数据，其分辨率为厘米级。