[发明专利]一种基于深度学习的自然资源要素变化检测方法

说明书

本发明提供了一种基于深度学习的自然资源要素变化检测方法，包括：获取两幅同一区域不同时间内的待检测图像；训练自然资源要素识别分割模型；根据自然资源要素识别分割模型对待检测图像中的自然资源要素分别进行自然资源要素识别与分割，得到自然资源要素分割图；对自然资源要素分割图进行自然资源要素合并处理，得到自然资源要素合并图；对自然资源要素合并图中的自然资源要素进行要素重复检测与重复要素剔除，得到自然资源要素变化图；其中，自然资源要素分割图中包括多个自然资源要素区域；自然资源要素合并图包括：自然资源要素分割图上图层和自然资源要素分割图下图层。

技术领域

本发明涉及到图像处理技术领域，尤其涉及一种基于深度学习的自然资源要素变化检测方法。

背景技术

自然资源是指，自然界赋予或前人留下的，可直接或间接用于满足人类需要的所有有形之物与无形之物，自然资源还能促进当地发展的生态产业，提供生态产品、发挥生态效益，提供物质产品，发挥经济效益，从而，将生态优势转化为经济优势，但是，目前针对自然资源的变化检测还没有完善的检测手段，使得在对某一个地区进行自然资源变化检测时需要大量的人工辨识自然资源要素变化的劳动量且检测精度并不理想，因此，在对自然资源进行自然资源变化检测时，如何提高检测精度并减少大量的人工辨识自然资源要素变化的劳动量是一个亟待解决的问题。

发明内容

本发明提供一种基于深度学习的自然资源要素变化检测方法，用以解决在对自然资源进行自然资源变化检测时，提高检测精度并减少大量的人工辨识自然资源要素变化的劳动量的问题。

一种基于深度学习的自然资源要素变化检测方法，包括：

获取两幅同一区域不同时间内的待检测图像；

训练自然资源要素识别分割模型；

根据自然资源要素识别分割模型对待检测图像中的自然资源要素分别进行自然资源要素识别与分割，得到自然资源要素分割图；

对自然资源要素分割图进行自然资源要素合并处理，得到自然资源要素合并图；

对自然资源要素合并图中的自然资源要素进行要素重复检测与重复要素剔除，得到自然资源要素变化图；

其中，自然资源要素分割图中包括多个自然资源要素区域；

自然资源要素合并图包括：自然资源要素分割图上图层和自然资源要素分割图下图层。

作为本发明的一种实施例，自然资源要素包括农业资源要素、水资源要素、森林资源要素、矿产资源要素。

作为本发明的一种实施例，训练自然资源要素识别分割模型，包括：

获取自然资源要素类别特征信息和与自然资源要素类别特征信息相关的相关场景特征信息；

对自然资源要素类别特征信息和相关场景特征信息进行合并处理，得到自然资源要素合并特征信息；

将自然资源要素合并特征信息输入至预设的原始生成对抗网络中进行自然资源要素图像生成处理，得到原始自然资源要素图像；

将原始自然资源要素图像输入至预设的原始判别网络中进行真假判别，得到原始自然资源要素图像判别结果；

将原始自然资源要素图像输入至预设的原始自然资源要素图像分割模型的分类网络进行自然资源要素图像分割，得到原始自然资源要素图像分割结果；

基于原始自然资源要素图像判别结果、原始自然资源要素图像分割结果和自然资源要素类别特征信息训练预设的原始自然资源要素图像分割模型的分类网络，得到自然资源要素识别分割模型。