[发明专利]分层多重判定规则下的耕地变化检测方法及系统

说明书

本申请提出了这样一种分层多重判定规则下的耕地变化检测方法及系统，可包括：提取当前遥感影像的变化掩膜影像，并将变化掩膜影像进行栅格矢量化处理，获得变化矢量图斑；利用慢特征分析变化检测方法，对当前遥感影像、历史遥感影像以及耕地图斑进行全局变化信息的提取，获得变化概率掩膜影像，其中历史遥感影像和耕地图斑均为现有输入数据；以及统计变化矢量图斑在变化概率掩膜影像中的对应位置的像素均值，将均值作为变化矢量图斑的变化概率值，以获得具有变化概率值的变化矢量图斑。本申请解决了现有技术中的漏检率高、查全率低、以及小目标检测难等问题；提升了结果的可信度；同时，为耕地非农化检测、国土变更调查等提供方法支撑。

技术领域

本申请涉及耕地变化检测技术领域，尤其涉及一种分层多重判定规则下的耕地变化检测方法及系统。

背景技术

近年来，遥感技术不断进步，使得所获取影像的空间分辨率、时间分辨率和光谱分辨率也持续增加，能够清晰的体现地物细节信息和表达目标的空间结构特性，对影像解译分析和处理创造了良好的条件。然而，更丰富的细节信息不但意味着更大的处理量，也使得发生改变的区域与未发生改变的区域之间的间隔变小，想要获取变化检测结果图的难度反而增加；其次，获取的数据可能会受到光照、人为、传感器等干扰，而传统的变化检测方法需要精细的预处理方法，否则就会造成误差过大，限制了实际应用。

随着人工智能、大数据等技术的发展，深度学习以其具备海量数据的学习能力和高度的特征抽象能力，在遥感影像变化检测方面得到了应用。但是，存在漏检率高、查全率低、以及小目标检测难等问题，算法还停留在学术界，提取结果与生产要求相比仍有差距，缺乏耕地变化检测的研究。

发明内容

本申请提供了一种分层多重判定规则下的耕地变化检测方法及系统，以期解决或部分解决背景技术中涉及的上述问题或现有技术中的其它至少一个不足。

本申请提出了这样一种分层多重判定规则下的耕地变化检测方法可包括：提取当前遥感影像的变化掩膜影像，并将变化掩膜影像进行栅格矢量化处理，获得变化矢量图斑；利用慢特征分析变化检测方法，对当前遥感影像、历史遥感影像以及耕地图斑进行全局变化信息的提取，获得变化概率掩膜影像，其中历史遥感影像和耕地图斑均为现有输入数据；以及统计变化矢量图斑在变化概率掩膜影像中的对应位置的像素均值，将均值作为变化矢量图斑的变化概率值，以获得具有变化概率值的变化矢量图斑。

在一些实施方式中，提取当前遥感影像的变化掩膜影像，并将变化掩膜影像进行栅格矢量化处理，获得变化矢量图斑，可包括：利用村庄提取模型对当前遥感影像中的村庄进行提取，获得村庄掩膜影像；利用非耕地提取模型对当前遥感影像中的非耕地区域进行提取，获得非耕地掩膜影像；利用分割算法，对耕地图斑分割，获得多个耕地子图斑；统计耕地子图斑的特征量，特征量包括耕地子图斑的均值、耕地子图斑的方差以及耕地子图斑的总数；当耕地子图斑的多个特征量中的至少之一达到异常阈值时，则确定耕地子图斑发生变化，获得异常区域掩膜影像；基于变化掩膜融合规则，对村庄掩膜影像、非耕地掩膜影像以及异常区域掩膜影像进行融合分析，获得变化掩膜影像；以及将变化掩膜影像进行栅格矢量化，获得变化矢量图斑。

在一些实施方式中，变化掩膜融合规则，包括：若Pixel 1=0，则Pixel merge=Pixel 3，若Pixel 1=255，则Pixel merge=Pixel 2，其中，Pixel 1表示村庄掩膜影像的像素值，Pixel 2表示非耕地掩膜影像的像素值，Pixel 3表示异常区域掩膜影像的像素值，Pixel merge表示变化掩膜影像的像素值。

在一些实施方式中，在统计变化矢量图斑在变化概率掩膜影像中的对应位置的像素均值，将均值作为变化矢量图斑的变化概率值，以获得具有变化概率值的变化矢量图斑之后，还包括：去除面积较小的变化矢量图斑，以获得最终变化检测矢量图斑。

在一些实施方式中，在去除面积较小的变化矢量图斑，以获得最终变化检测矢量图斑之后，还包括：将最终变化检测矢量图斑与实际生产要求进行比对，以获得查全率和准确率。