[发明专利]一种面向遥感影像区域土壤种植结构的数据增广方法及分割方法

说明书

本发明公开了一种面向遥感影像区域土壤种植结构的数据增广方法及分割方法，其包括：收集历史遥感影像数据，作为原始遥感影像数据；将原始遥感影像数据中的土壤种植结构作为分割目标，对分割目标进行标记处理；将带有标记处理的遥感影像与相应的原始遥感影像组成一对，得到遥感影像对；对遥感影像对进行数据增广，将遥感影像对划分为多个连续的子影像，并将增广后的遥感影像对做划分，一部分作为网络模型的训练集，一部分作为网络模型的测试集。进一步，将增广后的遥感影像对输入网络模型，进行网络模型训练、测试后，运行网络模型得到遥感影像区域土壤种植结构的分割结果。本发明可有效实现对大面积的土壤种植结构遥感影像数据进行精准分割。

技术领域

本发明涉及遥感影像处理领域，具体而言，尤其涉及一种面向遥感影像区域土壤种植结构的数据增广方法及分割方法。

背景技术

目前，在遥感影像处理领域中，遥感影像分割技术是一项热门的研究方向。随着人工智能以及计算机视觉技术的快速发展，传统遥感分割技术中所暴露出的信息提取效率低下、遥感解译效果不佳等瓶颈也得以显著突破。不同于传统方法，基于深度学习的遥感影像分割技术通过深层网络学习映射关系实现对整体影像的精细化分割，但当前主流的深度学习技术一般需要大量训练数据支持。

现有的基于深度学习的遥感影像分割技术普遍缺少合理、可靠、系统的数据处理方案，尤其对遥感影像数据的增广方式多以随机裁剪、缩放等方式执行，而并没有固定的方法论支持，这样的数据增广方式使得网络模型训练不够充分，进而影响到了对大面积遥感影像区域中土壤种植结构如大豆、玉米或水稻等大田作物的精细化分割效果。

发明内容

为克服现有技术上述缺陷，针对基于遥感影像区域土壤种植结构的分割，为帮助实现大豆、玉米、水稻等大田作物的快速精准分割，本发明提出了一种系统、可靠的面向遥感影像区域土壤种植结构的数据增广方法及分割方法。

为此，本发明实施例的第一目的在于提供一种面向遥感影像区域土壤种植结构的数据增广方法，其包括如下步骤：

1）收集历史遥感影像数据，作为原始遥感影像数据；

2）基于图像分割标注软件，将原始遥感影像数据中的土壤种植结构所在区域作为分割目标，对分割目标进行标记处理；

3）将带有标记处理的遥感影像与相应的原始遥感影像组成一对，得到遥感影像对；

4）对遥感影像对进行增广，将遥感影像对划分为多个连续的子影像，并将增广后的遥感影像对做划分，一部分作为网络模型的训练集，一部分作为网络模型的测试集。

作为优选，所述对分割目标进行标记处理采用如下方法：根据土壤种植结构不同作物叶面特征，绘制作物所代表的图像区域轮廓，并使用不同颜色对不同种类作物进行着色标记以对不同种类作物加以区分。

作为优选，所述将带有标记处理的遥感影像与相应的原始遥感影像组成遥感影像对采用如下方法：将带有标注结果的遥感影像与原始遥感影像保存在同一文件夹中，该文件夹被规定为一组遥感影像对。

作为优选，所述对遥感影像对进行增广包括如下步骤：

1）设置边长为k个像素的正方形滑动模块，并为每一次的移动步长设置一个小于正方形滑动模块边长的像素值；

2）控制滑动模块在遥感影像对上按移动步长进行滑动；

3）将正方形滑动模块所覆盖的原始遥感影像部分内容与标注遥感影像部分内容裁剪出来，保存成小遥感影像对。

本发明实施例的第二目的在于提供一种面向遥感影像区域土壤种植结构的分割方法，其将本发明实施例面向遥感影像区域土壤种植结构的数据增广方法增广后得到的遥感影像对，用于对遥感影像区域土壤种植结构进行分割，所述遥感影像对中的原始遥感影像作为网络模型在训练阶段时的输入数据，带有标记的遥感影像作为网络模型在训练阶段时的真值数据；包括如下步骤：

1）网络模型训练