[发明专利]一种适用于景观破碎区作物类型遥感识别的方法及系统

权利要求书

1.一种适用于景观破碎区作物类型遥感识别的方法，其特征在于，包括以下步骤：

根据作物物候特征获取目标区域的遥感影像，进行数据预处理；

基于耕地数据计算所述目标区域破碎度并按破碎度指标进行分区；

利用SVM算法完成对各破碎度分区的遥感影像初步分类，并结合所述耕地数据完成作物类型样本标定，获得耕地地块内仅包含一种作物类型的样本数据；

从所述各破碎度分区中分别随机抽选相同数量的样本数据，构建作物类型训练样本集；

将所述训练样本集输入多特征深度学习模型MFsNet进行微调训练，不断迭代直至Loss收敛，最终参考测试损失辅助选择确定最优模型；所述多特征深度学习模型MFsNet包括细节特征提取模块、语义特征提取模块、浅层特征跳接操作模块和特征融合模块；

将待识别目标区域的遥感影像输入训练完成的MFsNet模型，完成农作物类型遥感识别。

2.如权利要求1所述的一种适用于景观破碎区作物类型遥感识别的方法，其特征在于，根据作物物候特征获取目标区域的遥感影像，进行数据预处理,包括：

根据作物物候特征获取目标区域的遥感影像，并对所述遥感影像进行辐射定标、正射校正、大气校正、投影转换和影像裁剪处理操作。

3.根据权利要求2所述的一种适用于景观破碎区作物类型遥感识别的方法，其特征在于，基于耕地数据计算所述目标区域破碎度并按破碎度指标进行分区，包括：

将所述目标区域的耕地地块矢量数据转化为栅格数据，计算景观水平的斑块密度作为景观破碎度；

根据所述景观破碎度，按分位数将所述目标区域划分为若干破碎度分区，获得目标区域中不同破碎度分区下具有同一作物类型的遥感影像。

4.根据权利要求1所述的一种适用于景观破碎区作物类型遥感识别的方法，其特征在于，作物类型样本标定的过程包括：

在每个耕地地块内，以像元数最多的作物类型进行标定，得到作物类型标记真值；如果地块内没有作物类型像元则标记为其他作物；

以得到耕地范围内、类型纯净的作物类型样本。

5.根据权利要求1所述的一种适用于景观破碎区作物类型遥感识别的方法，其特征在于，所述多特征深度学习模型MFsNet的激活函数为ReLU函数。

6.根据权利要求1所述的一种适用于景观破碎区作物类型遥感识别的方法，其特征在于，所述细节特征提取模块由一个最大池化层和四个卷积层组成；其中后两层设置为膨胀卷积层。

7.根据权利要求1所述的一种适用于景观破碎区作物类型遥感识别的方法，其特征在于，所述语义特征提取模块以ResNet作为主干，在层数较深的34层ResNet进行深层特征提取后，与空间金字塔结构模块进行连接。

8.根据权利要求1所述的一种适用于景观破碎区作物类型遥感识别的方法，其特征在于，所述浅层特征跳接操作模块，通过两层普卷积、两层空洞卷积提取较为底层特征；并让输入的原始数据通过一个3x3的卷积层之间连接到特征融合模块。

9.根据权利要求1所述的一种适用于景观破碎区作物类型遥感识别的方法，其特征在于，所述特征融合模块，将所述细节特征提取模块、语义特征提取模块和浅层特征跳接操作模块各自提取得到的多种特征图进行融合；融合步骤包括：

经过一层Concat层将多种特征图进行叠加操作；

叠加完成后再经过一次上采样操作，使它们的尺寸大小和原图像相同；

通过3层3x3的卷积层对多种特征图的参数进行适应调整；

与Softmax层相连，最后一层输出特征图大小为128×128×4，每张特征图各个像元的数值即对应该像元在该类别下的概率。

10.一种适用于景观破碎区作物类型遥感识别的系统，其特征在于，包括：

获取预处理模块，用于根据作物物候特征获取目标区域的遥感影像，进行数据预处理；

破碎度分区模块，用于基于耕地数据计算所述目标区域破碎度并按破碎度指标进行分区；

分类标定模块，利用SVM算法完成对各破碎度分区的遥感影像初步分类，并结合所述耕地数据完成作物类型样本标定，获得耕地地块内仅包含一种作物类型的样本数据；

构建样本集模块，用于从所述各破碎度分区中分别随机抽选相同数量的样本数据，构建作物类型训练样本集；

训练模块，用于将所述训练样本集输入多特征深度学习模型MFsNet进行微调训练，不断迭代直至Loss收敛，最终参考测试损失辅助选择确定最优模型；所述多特征深度学习模型MFsNet包括细节特征提取模块、语义特征提取模块、浅层特征跳接操作模块和特征融合模块；

识别模块，用于将待识别目标区域的遥感影像输入训练完成的MFsNet模型，完成农作物类型遥感识别。