[发明专利]一种基于遥感图像的设施农用地多类别识别与分类方法

说明书

本发明属于设施农用地分布形态研究与优化领域，具体涉及一种基于遥感图像的设施农用地多类别识别与分类方法，解决现有神经网络对设施农用地识别精度低的问题。方法基于语义分割神经网络实现，语义分割神经网络包括依次设置的初始化模块、Encoder模块、金字塔池化模块和解码模块；利用该网络，对遥感图像进行设施农用地分类定位，实现了对于多分类结果准确率65％以上，单分类结果准确率90％以上的分类定位，减少了设施农用地实地调查所需人力物力，加快了设施农用地调查速度。

技术领域

本发明属于设施农用地分布形态研究与优化领域，具体涉及一种基于遥感图像的设施农用地多类别识别与分类方法，该方法通过对遥感卫星图像及无人机航拍图像进行语义分割，自动划分不同类别，作为统计与规划的辅助手段。

背景技术

设施农业是采用具有特定结构和性能的设施，运用先进的工程技术和管理技术改善或创造局部环境，为种植业、养殖业及其产品的储藏保鲜等提供相对可控制的环境条件，以充分利用土壤、气候和生物潜能，在一定程度上摆脱对自然环境的依赖而进行有效生产的农业，是一种高投入高产出，资金、技术、劳动力密集型的产业。其利用人工建造的设施，使传统农业逐步摆脱自然的束缚，走向现代工厂化农业生产之路，同时使农产品打破传统农业的季节性，实现农产品的反季节上市，进一步满足多元化、多层次消费需求。其作为一种获得速生、高产、优质、高效的农产品的新型生产方式，已经成为世界各国用以提供新鲜农产品的主要技术措施。

设施农业是目前现代农业发展的主要方向之一。为此，科学、准确、快速的进行土地调查数据处理成为现有设施农用地调查统计的首要问题，分地区实地考察测绘是现今设施农用地调查的主流方法。

随着遥感技术日趋成熟，遥感图像中所包含的语义更加丰富，对遥感图像进行语义分割，快速准确的提取重要信息，在多种遥感图像检测领域正在快速发展。随着深度学习技术的发展，全卷积神经网络的提出为图像语义分割提供了全新的基础模型，将图像语义分割带入新的发展阶段。设施农用地的地块划分，现在主要基于人工标注的方法进行分类，因此，将先进语义分割技术引入该领域，将会带来巨大的实用价值。

基于遥感图像的设施农用地识别与分类，表观上属于遥感图像语义分割大类，遥感图像语义分割自2015年起，作为像素级图像识别的最有效方案，已经产生了多种类型的网络，优秀网络在相关研究中，均对特定数据表现出良好效果。但是针对农村地区遥感图像数据，如图4所示，设施农用地边界不明晰，与自然背景对比不突出，边界模糊与常见城市或海洋遥感图像相比更加突出，像素涵盖区间也远超一般遥感图像语言分割网络验证数据区间。导致在针对农村地区遥感图像识别任务中，现有神经网络识别精度低，难以达到实际工程所需的标注精度。

发明内容

针对现有神经网络对设施农用地识别精度低的问题，本发明提供一种基于遥感图像的设施农用地多类别识别与分类方法，通过结合基于特征融合方法与编解码方法，提供一种全新的语义分割神经网络结构，用来针对农用地图像边界特点、像素上下文特点进行特征提取与融合。基于实用角度，采用较大的编码器与较小的解码器结构，保证分割准度的情况下，减少模型参数量，为实际应用环节减小计算压力。

为实现上述目的，本发明采用以下技术方案：

一种基于遥感图像的设施农用地多类别识别与分类方法，其特殊之处在于，基于语义分割神经网络实现；

上述语义分割神经网络包括依次设置的初始化模块、Encoder模块、金字塔池化模块和解码模块；

上述初始化模块包括第一卷积单元和第二卷积单元；上述第一卷积单元为多通道卷积层，第二卷积单元为最大池化层；

上述Encoder模块采用VGG19网络encoder模块的1层、2层、3层、4层、5层，将2层、3层、4层、5层提取的结果分别作为金字塔池化模块的四层输入；