【技术实现步骤摘要】
基于融合残差修正的卷积神经网络的耕地监测方法及系统
本专利技术属于遥感图像处理
，具体涉及一种基于融合残差修正的卷积神经网络的耕地监测方案。
技术介绍
耕地是指用于种植农作物和耕种的土地，是人们赖以生存的资源，而基本农田是根据国家、人口和农产品生产的需求，规划的不可占用的耕地。遥感影像可以用来检测地表类型和状况的变化，即利用遥感影像进行变化检测。使用两个或两个以上的时间获取的多时相高分辨率图像对耕地保护区的基本农田进行变化检测，是实施永久基本农田保护政策的有效途径。然而，目前各级单位中利用遥感影像进行变化检测大多还是基于人工目视解译。目视解译在传统的耕地变化检测中，凭借从业人员的丰富经验，可以取得符合生产需求的结果，但是效率较低，对工作人员的能力和经验要求较高，这存在一定的局限性。近年来人工智能和遥感大数据的发展，使得基于深度学习的遥感影像变化检测迅速发展起来，利用深度学习方法从高分辨率图像提取地物，再进行变化检测也成为变化检测的常用解决方法。基于该方法可以提高检测效率，快速、客观、准确地对耕地资源进行...
【技术保护点】
1.一种基于融合残差修正的卷积神经网络的耕地监测方法，其特征在于，包括以下步骤：/n步骤1，数据预处理，包括采集相同区域内不同时相高分辨率遥感影像，进行配准预处理，然后，进行影像裁剪得到大小一致的图像块；/n步骤2，构建样本库，包括基于步骤a采集到的影像，提取相应的耕地区域矢量标注真值，得到影像区域内的耕地样本和背景样本，构成含有标注信息的耕地样本库；/n步骤3，构建融合残差修正的卷积神经网络，包括基于Unet网络的基础上，加入空洞卷积操作，在避免输入图像信息丢失的前提下，扩大感受野提取全局特征，然后融合残差修正模型对耕地提取结果进行修正，取残差修正后的结果作为耕地提取结果...
【技术特征摘要】
1.一种基于融合残差修正的卷积神经网络的耕地监测方法，其特征在于，包括以下步骤：
步骤1，数据预处理，包括采集相同区域内不同时相高分辨率遥感影像，进行配准预处理，然后，进行影像裁剪得到大小一致的图像块；
步骤2，构建样本库，包括基于步骤a采集到的影像，提取相应的耕地区域矢量标注真值，得到影像区域内的耕地样本和背景样本，构成含有标注信息的耕地样本库；
步骤3，构建融合残差修正的卷积神经网络，包括基于Unet网络的基础上，加入空洞卷积操作，在避免输入图像信息丢失的前提下，扩大感受野提取全局特征，然后融合残差修正模型对耕地提取结果进行修正，取残差修正后的结果作为耕地提取结果；
步骤4，训练耕地提取网络，包括基于步骤2所得含有标注信息的耕地样本库，对步骤3所得融合残差修正的卷积神经网络进行训练；
步骤5，耕地提取，包括针对待提取的高分辨率遥感影像，按照步骤1方式预处理后，分块通过步骤4训练所得网络进行耕地提取，然后将图像块拼接还原；
步骤6，变化检测，包括根据步骤5得到的相同区域不同时相的遥感影像中耕地提取结果，对耕地提取结果相应栅格图像进行差值运算和形态学滤波后处理，得到耕地区域变化检测结果。
2.根据权利要求1所述基于融合残差修正的卷积神经网络的耕地监测方法，其特征在于：步骤1中，影像裁剪时以256×256像素大小的滑动窗口，得到图像块。
3.根据权利要求1所述基于融合残差修正的卷积神经网络的耕地监测方法，其特征在于：步骤3中，融合残差修正的卷积神经网络包括预测模型和残差修正模型，预测模型采用encoder-decoder结构，预测模型的编码器部分和解码器部分之间设置桥连接部分，预测模型所得预测概率图输入到残差修正模型，将输入图像与残差修正模型得到的特征图以相加的方式进行融合后输入到Sigmoid函数中，得到最终的概率结果图；桥连接部分和残差修正模型分别采用空洞率依次增大的空洞卷积串联的结构。
4.根据权利要求3所述基于融合残差修正的卷积神经网络...
【专利技术属性】
技术研发人员：邵振峰，王志强，姚远，程涛，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42
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。