一种种植地块粮油作物类型分步识别方法技术

本发明专利技术公开了一种种植地块粮油作物类型分步识别方法，涉及遥感农业监测设备技术领域，包括如下步骤：S1、基于高分辨率遥感影像提取耕地地块；S2、基于生成的时序遥感影像生成波普库；S3、利用迁移学习进行作物类型提取；S4、迭代优化模型精度，基于不同种类的农作物在不同时相的光谱值不同可以实现地块种农作物的种植类型提取，从而实现地块农作物的类型的分类，种植结构迁移学习通过构建波谱库，基于目标区域的每一幅影像的时相生成纯净样本，通过此筛选样本的方法可以以较高的精度筛选出训练样本。此过程为从波谱库迁移到局部的过程，通过此方法可以消除传统方法的人工选样本耗时耗力的工作以及传统的分类方法受到地域性的限制。性的限制。性的限制。

【技术实现步骤摘要】
一种种植地块粮油作物类型分步识别方法


[0001]本专利技术涉及遥感农业监测设备
，具体是一种种植地块粮油作物类型分步识别方法。

技术介绍

[0002]实时准确的作物监测对于辅助作物管理与适宜性评价、作物产量预估、作物灾害预警以及作物种植模式规划有重要意义。在区域尺度上进行精确作物制图可以为政府宏观调控提供新的数据支撑。传统的农作物实地调查监测的方式耗时耗力，满足不了大范围、快速及时的农情监测的需要。而随着遥感卫星技术的发展与智能化处理技术的提高，凭借遥感技术对地表信息获取的周期性、宏观性、时效性和经济性，以遥感技术为基础的农情监测成为未来农业发展与改革的重要方向。
[0003]卫星遥感技术可以获取大范围、多时相的影像数据，为农作物的监测提供了有力的技术支撑。目前的基于遥感影像的作物分类技术主要为光学影像的作物分类，其分类原理为遥感影像中不同类型的农作物在其生长周期内的各个波段表现出不同的光谱特征，通过此种光谱特征差异，可以判别不同的作物类型。然而大面积的农作物分类受物候不同的影响，导致识别精度较低，因此需要消耗大量的人力物力制作样本。

技术实现思路

[0004]本专利技术的目的在于提供一种种植地块粮油作物类型分步识别方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种种植地块粮油作物类型分步识别方法，包括如下步骤：
[0007]S1、基于高分辨率遥感影像提取耕地地块；
[0008]S2、基于生成的时序遥感影像生成波普库；
[0009]S3、利用迁移学习进行作物类型提取；
[0010]S4、迭代优化模型精度。
[0011]优选的，耕地地块矢量与遥感影像底图对应边界的偏差小于0.5米，以明显边界提取出的耕地地块图斑面积与实地地块面积误差小于0.06亩。
[0012]优选的，所述基于生成的时序遥感影像生成波普库还包括样本制作以及波谱库生成。
[0013]优选的，所述样本制作包括如下步骤：
[0014]样本区域选择：在目标区域亚米级遥感影像上，利用选点工具根据目标区域的光学特征绘制样本区域，标记的样本点满足平均分布，空间分布广，跨度大的要求，多时相遥感影像由于获取影像的时空位置不同，需要将每幅遥感影像配准到同一影像坐标系内，使得对应同一地物的不同时刻遥感影像像元坐标一致；
[0015]样本区域绘制：在每个样本影像块上，利用样本勾绘工具，对区域的作物类型区域
进行绘制，并赋予标签值并保存为矢量；
[0016]样本区域生成：样本制作完成后，将矢量转换为栅格图像，并设置和底图(遥感影像)同尺寸，同像元大小，同坐标系，导出并保存；
[0017]基于遥感影像提取各波段光谱值为样本：基于样本区域中的每个像元，结合时序影像提取出样本的时序波段值，提取出的时序波段值为训练需要的样本。
[0018]优选的，所述波谱库生成包括如下步骤：
[0019]根据生成的样本，结合时序影像，使用回归的方式构建波谱库；
[0020]将选好的样本基于各个波段按照时间序列排列；
[0021]基于提取出的样本，使用回归的方法反演出该类型的各个波段的光谱值在其生长周期内每天的光谱值。
[0022]优选的，所述利用迁移学习进行作物类型提取还包括如下步骤：
[0023]基于波谱库和目标区域遥感影的时间序列生成纯净样本；
[0024]作物类型模型训练。
[0025]优选的，所述基于波谱库和目标区域遥感影的时间序列生成纯净样本包括如下步骤：
[0026]根据影像采集的日期，对应到某农作物的波谱库日期中取到纯净样本作为训练正样本；
[0027]取出非该农作物类型的波谱值作为负样本，根据目标农作物的物候情况，再选取对应样本的前后各15天内的样本，当作正样本，以及其他作物类型的前后各15天内的样本作为负样本添加到训练样本中一起训练；
[0028]优选的，所述作物类型模型训练包括如下步骤：
[0029]用于作物类型提取的深度学习算法选取LSTM网络，所述LSTM网络模型的输入层为每个样本的SAR VH和VV强度时序特征曲线，输出层为样本作物类型，LSTM网络模型设置4层隐藏层，36个隐藏神经元，将输入的SAR强度特征曲线转化为用于分类的高级特征，设置一个全连接层，用来连接高级特征和作物类型，Softmax层为Softmax激活函数，此函数将多个神经元的输出，映射到(0,1)区间内，0
‑
1之间的值为属于各个作物类型的置信度，选取置信度最高的作为类型所属作物类型。
[0030]优选的，所述迭代优化模型精度还包括如下步骤：
[0031]1)样本迁移
[0032]使用该模型预测目标区域时序遥感影像，并基于每个像素点给出置信度，选择置信度较高的样本作为正样本，置信度较低的样本作为负样本；
[0033]2)模型迁移
[0034]使用筛选出的样本再训练模型，重复上述作物类型模型训练，使用训练好的模型提取目标区域内的种植类型，并给出分类结果以及置信度；
[0035]3)人工筛选样本以及再训练
[0036]所述人工筛选样本以及再训练包括如下步骤：
[0037]人工检查模型的分类结果：提取误分的区域并制作成样本添加到已提取出的本地样本并训练LSTM神经网络模型；
[0038]使用相关工具画出错误分类的区域并给出实际标签再训练：使用LSTM神经网络模
型重新分类目标区域内置信度较低的数据，并给出预测结果以及新的置信度；
[0039]输出分类结果，重复执行上述步骤直至结果满意；
[0040]4)分类结果于地块嵌合
[0041]将提取后的结果与地块矢量输入并进行区域统计，并在地块矢量上新建字段进行种植类型赋值。
[0042]与现有技术相比，本专利技术的有益效果是：
[0043]1)实现大面积农作物分类：基于不同种类的农作物在不同时相的光谱值不同可以实现地块种农作物的种植类型提取，从而实现地块农作物的类型的分类，传统的地块农作物分类基于同一目标区域的时序影像不同从而区分不同的农作物类型，此方法耗时耗力，并且容易受到不同地域差异的限制，种植结构迁移学习通过构建波谱库，基于目标区域的每一幅影像的时相生成纯净样本，通过训练纯净样本来筛选出目标区域中置信度较高的样本来当作正样本，置信度较低的样本为负样本，通过此筛选样本的方法可以以较高的精度筛选出训练样本。此过程为从波谱库迁移到局部的过程，通过此方法可以消除传统方法的人工选样本耗时耗力的工作以及传统的分类方法受到地域性的限制。
[0044]2)清晰反映每个地块的作物类型。
[0045]基于耕地地块的作物类型提取，分类结果可以清晰的反映每个耕地地块的作物类型，便于每个地块的管理，并能直观地反映出种植类型的分布。
附图说明
[0046]图1为一种种植地块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种种植地块粮油作物类型分步识别方法，其特征在于，包括如下步骤：S1、基于高分辨率遥感影像提取耕地地块；S2、基于生成的时序遥感影像生成波普库；S3、利用迁移学习进行作物类型提取；S4、迭代优化模型精度。2.根据权利要求1所述的一种种植地块粮油作物类型分步识别方法，其特征在于，耕地地块矢量与遥感影像底图对应边界的偏差小于0.5米，以明显边界提取出的耕地地块图斑面积与实地地块面积误差小于0.06亩。3.根据权利要求1或2所述的一种种植地块粮油作物类型分步识别方法，其特征在于，所述基于生成的时序遥感影像生成波普库还包括样本制作以及波谱库生成。4.根据权利要求3所述的一种种植地块粮油作物类型分步识别方法，其特征在于，所述样本制作包括如下步骤：样本区域选择：在目标区域亚米级遥感影像上，利用选点工具根据目标区域的光学特征绘制样本区域，标记的样本点满足平均分布，空间分布广，跨度大的要求，多时相遥感影像由于获取影像的时空位置不同，需要将每幅遥感影像配准到同一影像坐标系内，使得对应同一地物的不同时刻遥感影像像元坐标一致；样本区域绘制：在每个样本影像块上，利用样本勾绘工具，对区域的作物类型区域进行绘制，并赋予标签值并保存为矢量；样本区域生成：样本制作完成后，将矢量转换为栅格图像，并设置和底图(遥感影像)同尺寸，同像元大小，同坐标系，导出并保存；基于遥感影像提取各波段光谱值为样本：基于样本区域中的每个像元，结合时序影像提取出样本的时序波段值，提取出的时序波段值为训练需要的样本。5.根据权利要求4所述的一种种植地块粮油作物类型分步识别方法，其特征在于，所述波谱库生成包括如下步骤：根据生成的样本，结合时序影像，使用回归的方式构建波谱库；将选好的样本基于各个波段按照时间序列排列；基于提取出的样本，使用回归的方法反演出该类型的各个波段的光谱值在其生长周期内每天的光谱值。6.根据权利要求5所述的一种种植地块粮油作物类型分步识别方法，其特征在于，所述利用迁移学习进行作物类型提取还包括如下步骤：基于波谱库和目标区域遥感影的时间序列生成纯净样本；作物类型模型训练。7.根据权利要求6所述的一种种植地块粮油作物类型分步识别...

【专利技术属性】
技术研发人员：胡晓东，马士杰，李昕，董文，张明杰，张新，石含宁，郜丽静，韩小妹，骆剑承，罗露花，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：