The invention provides an intelligent understanding method of land use change based on Multi-temporal Remote Sensing image, which includes detecting the object that changes in the target area of two-temporal remote sensing image and describing the content of the change with natural language; detecting the object that changes in the target area of two-temporal remote sensing image includes acquiring the data of two-temporal phase. Pre-processing of remote sensing images, block clipping of two-phase data, building masks, model training and model testing, detecting the changed contents and highlighting the changed plots, etc. Describing the changed contents with natural language includes determining the sentence template describing the changed contents and generating descriptive sentences. The invention divides the two-phase remote sensing images separately, distinguishes the change of the object category at the same location by using the information of the object category, detects the change more accurately and determines the description content; describes the change content by natural language, visually displays the change content of the two-phase image, and facilitates the deep understanding of the remote sensing image.
【技术实现步骤摘要】
一种基于多时相遥感影像的土地利用变化智能理解方法
本专利技术涉及计算机视觉和图像语义理解
,特别地,涉及一种基于多时相遥感影像的土地利用变化智能理解方法。
技术介绍
遥感影像是国土资源管理与利用的重要数据来源。从海量的数据中快速、自动地定位出有信息差异的数据,挖掘出遥感影像中的隐含信息,可以节省大量的人力物力,对有效利用土地资源以及有关部门的科学决策有着十分重要的意义。传统的遥感影像变化检测通常以光谱等特征为基础,检测并判断同一位置的地物是否发生了变化,难以有效利用高分辨率遥感影像中的几何、形状、语义等高层信息,检测的精度不高。而且,地物发生了何种变化并不能直观地以知识的形式表达出来,对决策的支撑度还不强。而随着深度学习的兴起,图像分割、图像识别技术迅速发展,为遥感影像变化检测提供了更加有效的方法。同时,自然语言处理技术的发展,使得用自然语言对遥感影像的内容进行直观的理解成为可能。因此,对不同时期的遥感影像的土地利用类别进行变化检测,利用深度学习方法对变化内容进行智能描述,具有重要的研究意义和实用价值。
技术实现思路
本专利技术目的在于提供一种基于多时相遥感影像的土地利用变化智能理解方法,以解决传统的遥感影像变化检测难以有效利用高分辨率遥感影像中的几何、形状、语义等高层信息,检测精度不高,地物发生了何种变化不能直观地以知识的形式表达出来的技术问题。为实现上述目的,本专利技术提供了一种基于多时相遥感影像的土地利用变化智能理解方法,包括检测两时相遥感影像目标区域内发生变化的对象和用自然语言描述变化的内容;检测两时相遥感影像目标区域内发生变化的对象具体包括以下 ...
【技术保护点】
1.一种基于多时相遥感影像的土地利用变化智能理解方法,其特征在于,包括检测两时相遥感影像目标区域内发生变化的对象和用自然语言描述变化的内容;检测两时相遥感影像目标区域内发生变化的对象具体包括以下步骤:步骤A1:获取两时相的遥感数据,具体是:获取目标区域T1时刻与T2时刻的遥感影像,以及与遥感影像对应匹配的矢量数据;步骤A2:遥感影像的预处理,具体是:对遥感影像进行几何配准、辐射校正等;步骤A3:两时相数据的分块裁剪,包括遥感影像的分块裁剪和矢量数据的分块裁剪;具体是:根据比例尺大小的要求,将两个时期的影像裁剪成M幅规定尺寸的遥感影像块;同时生成与遥感影像块相匹配的M幅矢量数据块;步骤A4:构建掩膜和模型训练,具体是:首先确定影像中需要检测的地物目标,根据步骤A3中获得的遥感影像块和矢量数据块,构建掩膜,将遥感影像块和对应的掩膜输入到基于深度学习的影像语义分割模型中进行训练,得到更新后的影像语义分割模型;步骤A5:模型测试,将待进行变化检测的两幅不同时期的遥感影像F1、F2分别输入到步骤A4得到的影像语义分割模型中,分别得到其对应的掩膜;其中,不同的颜色代表了不同的地物类别;步骤A6:检 ...
【技术特征摘要】
1.一种基于多时相遥感影像的土地利用变化智能理解方法,其特征在于,包括检测两时相遥感影像目标区域内发生变化的对象和用自然语言描述变化的内容;检测两时相遥感影像目标区域内发生变化的对象具体包括以下步骤:步骤A1:获取两时相的遥感数据,具体是:获取目标区域T1时刻与T2时刻的遥感影像,以及与遥感影像对应匹配的矢量数据;步骤A2:遥感影像的预处理,具体是:对遥感影像进行几何配准、辐射校正等;步骤A3:两时相数据的分块裁剪,包括遥感影像的分块裁剪和矢量数据的分块裁剪;具体是:根据比例尺大小的要求,将两个时期的影像裁剪成M幅规定尺寸的遥感影像块;同时生成与遥感影像块相匹配的M幅矢量数据块;步骤A4:构建掩膜和模型训练,具体是:首先确定影像中需要检测的地物目标,根据步骤A3中获得的遥感影像块和矢量数据块,构建掩膜,将遥感影像块和对应的掩膜输入到基于深度学习的影像语义分割模型中进行训练,得到更新后的影像语义分割模型;步骤A5:模型测试,将待进行变化检测的两幅不同时期的遥感影像F1、F2分别输入到步骤A4得到的影像语义分割模型中,分别得到其对应的掩膜;其中,不同的颜色代表了不同的地物类别;步骤A6:检测发生变化的内容,将两个时期的掩膜对应叠加,以T1时刻的掩膜为基准,对两个时期掩膜中的地块逐一进行比较;具体是:以T1时刻掩膜的第k个地块的大小为基准,将该地块范围内的像素值矩阵与T2时刻掩膜中对应位置同样大小区域范围内的像素值矩阵对应相减;设T1时刻掩膜第i行第j列处的像素值为I1ij,T2时刻掩膜第i行第j列处的像素值为I2ij,若I1ij-I2ij=0,则说明该位置的像素值相同,其像素所属的地物类别没有发生变化,反之则说明该位置像素所属的地物类别发生了变化;统计该区域内发生变化的像素点的个数S,同时根据具体情况设定像素值发生变化个数的阈值s,比较S与s值的大小,根据S与s的比值情况判别区域内的地物类别是否发生变化;步骤A7:根据颜色标签获取发生变化前后的地物类别,将发生变化的地块高亮显示,使得变化内容直观地展现出来;用自然语言描述变化的内容具体包括以下步骤:步骤B1:确定描述变化内容的语句模板;步骤B2:生成描述语句,具体是:将步骤A7中获得的变化前后的地物类别分别嵌入到语句模板对应的位置,形成对这两幅影像变化内容的对应描述;步骤B3:取k=k+1,判断k与T1时刻掩膜中的总地块数K的大小;若k≤K,返回步骤A6,继续进行...
【专利技术属性】
技术研发人员:陈杰,周兴,韩雅荣,何玢,万里,邓敏,
申请(专利权)人:中南大学,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。