[发明专利]一种遥感影像时空样本生成与智能迭代分类方法及系统

权利要求书

1.一种遥感影像时空样本生成与智能迭代分类方法，其特征在于：包括时空样本生成和智能分类步骤：

所述时空样本生成步骤包括：

获取源数据；

按照分区分时相的样本数据集构建原则，对所述源数据分别进行区域划分和时相划分，构建时空样本数据集；

所述智能分类步骤包括：

根据所述时空样本数据集利用深度卷积神经网络模型进行训练，得到对应区域及时相的智能分类模型；

通过所述智能分类模型对即时遥感影像进行智能分类，得到智能分类结果；

还包括样本更新和模型优化步骤；

所述样本更新步骤包括：

对所述分类结果的栅格数据进行矢量化处理得到矢量图斑；

根据矢量图斑边界的吻合度和类别正确性进行判断，只有当矢量图斑边界的吻合度吻合以及类别正确才符合要求，否则均需进行校正；若边界不吻合，则对图斑边界进行修改，若类别不正确，则参照相关数据资料修改错误的类别信息，形成校正后分类结果；

根据所述校正后分类结果构建更新时空样本数据集，将所述更新时空样本数据集反馈到所述时空样本数据集，完成时空样本数据集的更新；

所述模型优化步骤：

利用更新后的时空样本数据集对所述智能分类模型进行迭代优化，形成模型与样本的优化闭环。

2.根据权利要求1所述的一种遥感影像时空样本生成与智能迭代分类方法，其特征在于：

所述源数据包括遥感影像数据和历史解译成果数据；

通过遥感卫星的高分辨率遥感影像获取所述遥感影像数据,

通过地理国情普查数据和/或国土调查数据获取所述历史解译成果数据。

3.根据权利要求2所述的一种遥感影像时空样本生成与智能迭代分类方法，其特征在于：所述构建时空样本数据集，包括，

将所述历史解释成果数据进行栅格形式转换，形成栅格标签数据；

对所述栅格标签数据以及所述遥感影像数据进行裁切，得到裁剪后的栅格标签数据与遥感影像数据；

根据裁剪后的栅格标签数据与遥感影像数据构建时空样本数据集；

根据构建后的时空样本数据集建立多层级的样本库目录结构。

4.根据权利要求3所述的一种遥感影像时空样本生成与智能迭代分类方法，其特征在于：所述通过所述智能分类模型对即时遥感影像进行智能分类，得到智能分类结果，包括，

获取包括区域和时相信息的即时遥感影像；

利用对应区域及时相的智能分类模型对所述即时遥感影像进行智能分类结果。

5.根据权利要求4所述的一种遥感影像时空样本生成与智能迭代分类方法，其特征在于：所述利用更新后的时空样本数据集对所述智能分类模型进行迭代优化，包括，

利用智能分类模型对更新后的时空样本数据集进行训练，得到优化后的智能分类模型，形成模型与样本的优化闭环。

6.一种遥感影像时空样本生成与智能迭代分类系统，其特征在于：包括，

数据获取模块，用于获取源数据；

时空样本自动生成模块，用于按照分区分时相的样本数据集构建原则，对所述源数据分别进行区域划分和时相划分，构建时空样本数据集；

模型智能训练模块，用于根据所述时空样本数据集利用深度卷积神经网络模型进行训练，得到对应区域及时相的智能分类模型；

智能分类模块，用于通过智能分类模型对即时遥感影像进行智能分类，得到智能分类结果；

分析校正模块，用于对智能分类结果进行分析和修正，得到校正后分类结果；

样本自动反馈模块，用于根据校正后分类结果构建更新时空样本数据集，将更新时空样本数据集反馈到时空样本数据集，完成时空样本数据集的更新；

模型迭代优化模块，用于利用更新后的时空样本数据集对智能分类模型进行迭代优化，形成模型与样本的优化闭环。