基于影像瓦片的生态保护红线地物目标识别方法及系统技术方案

本发明专利技术公开了基于影像瓦片的生态保护红线地物目标识别方法及系统，该方法包括：基于影像瓦片服务，下载目标生态保护红线区域的实时遥感影像瓦片数据，并进行数据拼接；将拼接后的实时遥感影像瓦片数据输入提前训练后的地物目标自动识别模型；识别出所述目标生态保护红线区域的典型地物目标；结合生态保护红线监管业务需要，根据所述实时遥感影像和识别出的典型地物目标图斑进行空间展示。克服了传统基于影像实体数据进行信息提取模式中影像数据查询检索效率低，影像数据共享和传输难度大、协同作业难度大，业务成果与影像叠加展示效率低等弊端，同时保证提取精度与采用影像实体精度相当。体精度相当。体精度相当。

【技术实现步骤摘要】
基于影像瓦片的生态保护红线地物目标识别方法及系统


[0001]本专利技术属于地理信息领域、生态保护遥感应用
，特别涉及基于 影像瓦片的生态保护红线地物目标识别方法及系统。

技术介绍

[0002]随着近些年来越来越多的国产高分辨率卫星载荷的发射，使得遥感影像 在生态环境领域的应用更加广泛和深入。生态保护红线为生态环境保护领域 的一个新兴事物。
[0003]目前，在影像地物自动化识别方面，常用的技术方法有面向对象规则集、 深度学习等技术，关注的地物目标一般是分布规模较大、地物特征明显的水 体、植被、城镇等，自动化识别相对容易。而生态保护红线内的典型地物目 标主要是指光伏用地、推填土用地、建筑用地、交通设施用地等，这些地物 目标通常面积较小、地物特征不太明显，自动化识别精度也普遍较低。此外， 用于地物目标自动化识别的影像数据源主要是经过预处理、大气校正、融合 等之后的影像实体数据，是需要输入单景或镶嵌后的实体数据进行信息提取， 由于生态保护红线破碎化、面积大等原因，基于影像数据实体开展红线区域 内典型地物目标识别的方法很难满足实际的生态保护红线监管业务需求。
[0004]现有问题：
[0005](1)目前，无论是哪种自动化识别算法技术，基本都是基于卫星影像 实体数据源，其弊端在于：在进行影像数据信息提取及成果展示时，数据的 查询检索效率低、影像数据共享和传输难度大、协同作业难度大，无法实现 所提取的业务成果与影像进行叠加展示，很难满足实际的生态保护红线监管 业务需求；
[0006](2)生态保护红线内所关注的典型地物特点一般是面积较小、地物特 征不明显，与以往的自动化识别技术所关注的地物类型不太一样。

技术实现思路

[0007]鉴于上述情况，本专利技术提出了一种基于影像瓦片的生态保护红线地物目 标识别方法及系统，该方法基于影像瓦片服务，采用深度学习技术实现生态 保护红线内典型地物目标的自动化识别，可解决目前难满足实际的生态保护 红线监管业务需求的问题。
[0008]为实现上述目的，本专利技术采取的技术方案为：
[0009]第一方面，本专利技术实施例提供基于影像瓦片的生态保护红线地物目标识 别方法，包括以下步骤：
[0010]基于影像瓦片服务，下载目标生态保护红线区域的实时遥感影像瓦片数 据，并进行数据拼接；
[0011]将拼接后的实时遥感影像瓦片数据输入提前训练后的地物目标自动识别 模型；所述地物目标自动识别模型采用多组数据训练，多组数据包括：基于 影像瓦片服务获取的生态保护红线区域遥感影像瓦片数据；所述生态保护红 线区域遥感影像瓦片数据包含典型地物标注；
[0012]识别出所述目标生态保护红线区域的典型地物目标；
[0013]结合生态保护红线监管业务需要，根据所述实时遥感影像和识别出的典 型地物目标图斑进行空间展示。
[0014]进一步地，所述影像瓦片服务，包括：
[0015]将全球空间范围进行网格划分，构建一个无数据状态下的全球空间索引 体系；
[0016]以单景影像作为网格数据管理的基本单元，为每景影像生成全球唯一的 网格编码；
[0017]根据起点、坐标系和栅格瓦片的分辨率，结合所关注的生态保护红线研 究区范围，计算其所在的行列号；
[0018]根据所述行列号、选择瓦片级别和瓦片下载格式的实时请求，提供每个 实时请求影像瓦片下载和拼接服务。
[0019]进一步地，所述地物目标自动识别模型的构建过程，包括：
[0020]基于影像瓦片服务，下载多组生态保护红线区域遥感影像瓦片数据并进 行拼接；对拼接后的遥感影像瓦片数据进行典型地物标注及分析处理，按照 预设比例分为训练集、验证集和测试集样本；
[0021]构建深度学习网络模型，对训练集样本分别进行特征提取，并进行迭代 训练；
[0022]采用所述测试集样本和验证集样本，对深度学习网络模型进行准确率验 证；
[0023]当训练后的所述深度学习网络模型的评价指标满足预设条件后，得到地 物目标自动识别模型。
[0024]进一步地，对拼接后的遥感影像瓦片数据进行典型地物标注及分析处理， 包括：
[0025]对拼接后的遥感影像瓦片数据进行光伏用地、推填土用地、建筑用地、 交通设施用地的类型标注；
[0026]对标注后的样本，采用随机旋转、颜色抖动、高斯噪声处理进行图像增 强。
[0027]进一步地，按照预设比例分为训练集、验证集和测试集样本，包括：
[0028]基于k折交叉验证的方式，按照8:1:1分为训练集、验证集和测试集样本。
[0029]进一步地，所述深度学习模型采用多尺度特效的语义分割deeplab_v3网 络结构，选择ResNet
‑
50骨干网络；训练过程中损失函数选择交叉熵损失函数。
[0030]第二方面，本专利技术实施例还提供基于影像瓦片的生态保护红线地物目标 识别系统，包括：
[0031]下载拼接模块：基于影像瓦片服务，下载目标生态保护红线区域的实时 遥感影像瓦片数据，并进行数据拼接；
[0032]输入模块：将拼接后的实时遥感影像瓦片数据输入提前训练后的地物目 标自动识别模型；所述地物目标自动识别模型采用多组数据训练，多组数据 包括：基于影像瓦片服务获取的生态保护红线区域遥感影像瓦片数据；所述 生态保护红线区域遥感影像瓦片数据包含典型地物标注；
[0033]识别模块：识别出所述目标生态保护红线区域的典型地物目标；
[0034]展示模块：结合生态保护红线监管业务需要，根据所述实时遥感影像和 识别出的典型地物目标图斑进行空间展示。
[0035]与现有技术相比，本专利技术具有如下有益效果：
[0036]本专利技术实施例所提出的基于影像瓦片的生态保护红线地物目标识别方法：
[0037](1)基于实时动态影像瓦片服务提取典型地物目标的方法，突破了传 统实体数据传输麻烦、存储量大、应用不便利的瓶颈，可实现任意大小和数 量的数据动态调用、实时更新、按需浏览等，节省了时间和存储成本，避免 大量冗余数据产生。
[0038](2)极大的满足了一份数据服务多个应用场景的需求，不仅仅可以用 于典型地物目标识别的数据源输入，还可以用于目标识别结果展示与分析的 底图，方便生态保护红线监管业务的使用。
[0039]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说 明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优 点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实 现和获得。
[0040]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0041]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本 专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0042]图1为本专利技术实施例提供的基于影像瓦片的生态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于影像瓦片的生态保护红线地物目标识别方法，其特征在于，包括以下步骤：基于影像瓦片服务，下载目标生态保护红线区域的实时遥感影像瓦片数据，并进行数据拼接；将拼接后的实时遥感影像瓦片数据输入提前训练后的地物目标自动识别模型；所述地物目标自动识别模型采用多组数据训练，多组数据包括：基于影像瓦片服务获取的生态保护红线区域遥感影像瓦片数据；所述生态保护红线区域遥感影像瓦片数据包含典型地物标注；识别出所述目标生态保护红线区域的典型地物目标；结合生态保护红线监管业务需要，根据所述实时遥感影像和识别出的典型地物目标图斑进行空间展示。2.根据权利要求1所述的基于影像瓦片的生态保护红线地物目标识别方法，其特征在于，所述影像瓦片服务，包括：将全球空间范围进行网格划分，构建一个无数据状态下的全球空间索引体系；以单景影像作为网格数据管理的基本单元，为每景影像生成全球唯一的网格编码；根据起点、坐标系和栅格瓦片的分辨率，结合所关注的生态保护红线研究区范围，计算其所在的行列号；根据所述行列号、选择瓦片级别和瓦片下载格式的实时请求，提供每个实时请求影像瓦片下载和拼接服务。3.根据权利要求1所述的基于影像瓦片的生态保护红线地物目标识别方法，其特征在于，所述地物目标自动识别模型的构建过程，包括：基于影像瓦片服务，下载多组生态保护红线区域遥感影像瓦片数据并进行拼接；对拼接后的遥感影像瓦片数据进行典型地物标注及分析处理，按照预设比例分为训练集、验证集和测试集样本；构建深度学习网络模型，对训练集样本分别进行特征提取，并进行迭代训练；采用所述测试集样本和验证集样本，对深度学习网络模型进行准确率验证；当训练后的所述深...

【专利技术属性】
技术研发人员：蔡明勇，张新胜，申文明，孙中平，李咏洁，陈绪慧，徐丹，陈伯斌，曹飞，孙浩，运晓东，刘思含，雷云龙，王丽霞，申振，张雪，吴跃，
申请(专利权)人：北京吉威数源信息技术有限公司，
类型：发明
国别省市：