[发明专利]一种基于多尺度遥感影像的耕地变化检测方法及装置

权利要求书

1.一种基于多尺度遥感影像的耕地变化检测方法，其特征在于，包括：

获取待测耕地遥感影像，所述遥感影像不限于中高分辨率影像和高分辨率影像；

对所述待测耕地遥感影像进行预处理，得到处理影像，并根据目视解译法对所述处理影像进行解译并标记，得到影像样本，通过卷积神经网络对所述影像样本进行训练，得到耕地监测模型，将所述处理影像输入所述耕地监测模型，并进行后处理，得到耕地矢量；

根据叠加分析方法对所述耕地矢量进行分析计算，得到耕地变化矢量范围。

2.根据权利要求1所述的一种基于多尺度遥感影像的耕地变化检测方法，其特征在于，所述对所述待测耕地遥感影像进行预处理，得到处理影像，并根据目视解译法对所述处理影像进行解译并标记，得到影像样本，通过卷积神经网络对所述影像样本进行训练，得到耕地监测模型，将所述处理影像输入所述耕地监测模型，并进行后处理，得到耕地矢量，包括：

对所述中高分辨率影像进行解压、正射校正、裁剪、拼接，并按照不同时序进行叠加，得到第一影像，根据所述目视解译法对所述第一影像进行标志和特征解译，并标记得到第一样本，根据所述卷积神经网络对所述第一样本进行训练，得到耕地分类提取模型，将所述第一影像输入所述耕地分类提取模型，得到第一预测影像，对所述第一预测影像进行栅格转矢量、去除碎斑点、平滑边缘操作，得到耕地范围矢量；

对所述高分辨率影像进行解压、正射校正、数据融合、裁剪、拼接，得到第二影像，根据所述目视解译法对所述第二影像进行地物标志的解译，标记不限于耕地、建筑、水体、道路的样本，得到第二样本，将所述第二样本输入所述卷积神经网络进行训练，得到土地利用模型，将所述第二影像输入所述土地利用模型，得到第二预测影像，对所述第二预测影像进行栅格转矢量操作，得到土地利用矢量；

将所述耕地范围矢量和所述土地利用矢量汇总，得到所述耕地矢量。

3.根据权利要求2所述的一种基于多尺度遥感影像的耕地变化检测方法，其特征在于，所述对所述中高分辨率影像进行解压、正射校正、裁剪、拼接，并按照不同时序进行叠加，得到第一影像，包括：

对所述中高分辨率影像进行解压，并采用RPC模型进行正射校正，得到校正影像；

获取待测耕地区域矢量，根据所述待测耕地区域矢量对所述校正影像进行裁剪，并拼接得到所述待测耕地区域影像，将所述耕地区域影像按照一定时间间隔的不同时序进行叠加，得到第一影像。

4.根据权利要求3所述的一种基于多尺度遥感影像的耕地变化检测方法，其特征在于，所述对所述第一预测影像进行栅格转矢量、去除碎斑点、平滑边缘操作，得到耕地范围矢量，包括：

根据Python语言以所述第一预测影像的栅格像元值属性点值为参考，并进行矢量转换，得到矢量图层；

对所述矢量图层进行面积约束，去除碎斑点，并消除所述矢量转换的锯齿效应，平滑边缘，得到耕地范围矢量。

5.根据权利要求4所述的一种基于多尺度遥感影像的耕地变化检测方法，其特征在于，所述根据叠加分析方法对所述耕地矢量进行分析计算，得到耕地变化矢量范围，包括：

根据所述叠加分析方法对所述耕地范围矢量和土地利用矢量进行分析，提取所述耕地范围矢量中为耕地，但在所述土地利用矢量中不为耕地的矢量，作为第一矢量，提取所述土地利用矢量中为耕地，但在所述耕地范围矢量中不为耕地的矢量，作为第二矢量；

将所述第一矢量和所述第二矢量合并，得到所述耕地变化矢量范围。

6.一种基于多尺度遥感影像的耕地变化检测装置，用于实现权利要求1所述的一种基于多尺度遥感影像的耕地变化检测方法，其特征在于，包括：

影像获取模块：用于获取待测耕地遥感影像，所述遥感影像不限于中高分辨率影像和高分辨率影像；

耕地矢量获取模块：用于对所述待测耕地遥感影像进行预处理，得到处理影像，并根据目视解译法对所述处理影像进行解译并标记，得到影像样本，通过卷积神经网络对所述影像样本进行训练，得到耕地监测模型，将所述处理影像输入所述耕地监测模型，并进行后处理，得到耕地矢量；

耕地变化计算模块：用于根据叠加分析方法对所述耕地矢量进行分析计算，得到耕地变化矢量范围。