[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

说明书

本发明公开了一种遥感影像时空样本生成与智能迭代分类方法，包括时空样本生成、智能分类、样本更新和模型优化步骤，包括获取源数据；根据源数据构建时空样本数据集；根据时空样本数据集利用深度卷积神经网络模型得到对应区域及时相的智能分类模型；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；对智能分类结果进行分析和修正，得到校正后分类结果；根据校正后分类结果构建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；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。

技术领域

本发明属于遥感影像数据领域，具体涉及一种遥感影像时空样本生成与智能迭代分类方法及系统。

背景技术

近年来，深度学习技术以其海量数据的学习能力和高度的特征抽象能力，给传统遥感分类带来了新的发展，样本数据、网络模型、计算力是其三大要素，但当前研究主要聚焦在深度学习网络模型的应用及适用性改造方面，使用的样本数据时效性不强、区域性不强、体量不大、不具有普适性，从样本数据层面影响了深度学习在遥感影像分类方面的应用。我国积累了各类调查与监测成果数据，具有全国区域、现势性好、体量大、要素多、精度高等优势，能够为深度学习模型训练提供样本数据基础；

但是目前未对我国积累的各类调查与监测成果数据形成先验知识指导智能分类，智能分类与样本采集相对独立，并且由于智能分类受时空影响大，分类结果未能实时反馈等问题，没有充分利用我国积累的各类调查与监测成果数据。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种遥感影像时空样本生成与智能迭代分类方法及系统。通过本发明所提供的方法，能够实现分区分时相样本自动生成、遥感影像智能分类、人机交互编辑、分类样本自动反馈、分类模型迭代优化。

为了解决上述技术问题，本发明采用了如下的技术方案：一种遥感影像时空样本生成与智能迭代分类方法，包括时空样本生成和智能分类步骤：

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；

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。

在一些实施例中，上述一种遥感影像时空样本生成与智能迭代分类方法中，还包括样本更新和模型优化步骤；

样本更新步骤包括：

对智能分类结果进行分析和修正，得到校正后分类结果；

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；

模型优化步骤：

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。

在一些实施例中，上述一种遥感影像时空样本生成与智能迭代分类方法中，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历史解译成果数据。

在一些实施例中，上述一种遥感影像时空样本生成与智能迭代分类方法中，根据源数据构建时空样本数据集，包括，

将历史解释成果数据进行栅格形式转换，形成栅格标签数据；