遥感信息样本选择方法及系统技术方案

本发明专利技术提供一种遥感信息样本选择方法及系统，其中方法包括：获取高空间分辨率精纠正卫星影像、高时间分辨率植被指数立方体数据和采样区域图；获取所述采样区域图中的多个图像区域，所述图像区域包括第一图像区域和第二图像区域；获取参考样点和与所述参考样点对应的识别标签；基于分类模型对所述第二图像区域进行分类，所述分类模型是基于所述参考样点以及所述参考样点对应的识别标签进行训练后得到的，所述识别标签是根据所述样本类型预先确定的。本发明专利技术提供的遥感信息样本选择方法及系统，能够提高样本选取的精度可靠性和样本选择效率。效率。效率。

【技术实现步骤摘要】
遥感信息样本选择方法及系统


[0001]本专利技术涉及计算机
，尤其涉及一种遥感信息样本选择方法及系统。

技术介绍

[0002]目前，在遥感对地观测智能识别领域，由于地球表面的极度复杂性和区域异质性特点，目前尚未积累有通用地表覆盖类型分类样本库。遥感对地观测智能识别从业者与研究者，在开展智能识别研究之前，均需要针对特定的研究目标，首先自行构建充分、可靠的样本库。通用的做法是采用亚米级高空间分辨率影像对地表的高辨识度特点，由具备丰富遥感解译经验的专业人员开展样本选择，需要花费较长的时间。
[0003]并且，人工选取样本的过程中，利用亚米级高空间分辨率影像对地表的高辨识度特点进行样本选择，对于农田和草地等依靠单期遥感影像或季节随机的遥感影像难以识别的地物，样本选择的准确性存在很大风险。

技术实现思路

[0004]本专利技术提供一种遥感信息样本选择方法，用以解决现有技术中样本选择耗时长和准确率低的缺陷，实现快速选取遥感信息样本，并提高样本选取的准确率。
[0005]第一方面，本专利技术提供一种遥感信息样本选择方法，包括：获取高空间分辨率精纠正卫星影像、高时间分辨率植被指数立方体数据和采样区域图；所述高空间分辨率精纠正卫星影像、所述高时间分辨率植被指数立方体数据和所述采样区域图在空间位置关系上相互对应；获取所述采样区域图中的多个图像区域，所述图像区域包括第一图像区域和第二图像区域；获取参考样点和与所述参考样点对应的识别标签，所述参考样点和与所述参考样点对应的识别标签是基于用户输入确定的，所述参考样点是在所述第一图像区域中基于所述高空间分辨率精纠正卫星影像、所述高时间分辨率植被指数立方体数据和预设的一种或多种样本类型确定的，每种所述样本类型至少与一个所述参考样点对应；基于分类模型对所述第二图像区域进行分类，所述分类模型是基于所述参考样点以及所述参考样点对应的识别标签进行训练后得到的，所述识别标签是根据所述样本类型预先确定的。
[0006]可选的，所述获取参考样点和与所述参考样点对应的识别标签，包括：获取用户基于所述高空间分辨率精纠正卫星影像输入的单期参考样点，和与所述单期参考样点对应的识别标签；和/或获取用户基于植被时序变化曲线输入的多期参考样点，和与所述多期参考样点对应的识别标签；其中，所述植被时序变化曲线是基于所述高时间分辨率植被指数立方体数据得到的；所述单期参考样点为与时间变化无关的样本类型对应的参考样点；所述多期参考样点为与时间变化相关的样本类型对应的参考样点。
[0007]可选的，所述基于分类模型对所述第二图像区域进行分类，包括：将所述第二图像区域、所述第二图像区域对应的高空间分辨率精纠正卫星影像和所述第二图像区域对应的高时间分辨率植被指数立方体数据输入至所述分类模型，输出各所述第二图像区域的分类结果；其中，所述分类结果包括有明显归属分类区域和无明显归属分类区域。
[0008]可选的，所述方法还包括：若所述分类结果中包括所述无明显归属分类区域，获取附加参考样点和与所述附加参考样点对应的识别标签；基于所述附加参考样点和与所述附加参考样点对应的识别标签对所述分类模型再训练；使用所述再训练后的分类模型对未进行样本选择的图像区域进行分类；重复上述步骤，直到遍历所有图像区域；其中，所述附加参考样点和与所述附加参考样点对应的识别标签是基于用户输入在所述无明显归属分类区域中确定的。
[0009]可选的，所述获取所述采样区域图中的多个图像区域，包括：使用预设窗口对所述采样区域图进行遍历，得到多个图像区域。
[0010]可选的，所述获取高空间分辨率精纠正卫星影像，包括：获取高空间分辨率卫星影像，所述高空间分辨率卫星影像包括多光谱图像和全色图像；对所述多光谱图像和所述全色图像进行几何精纠正，获得几何精纠正多光谱图像和几何精纠正全色图像；对所述几何精纠正多光谱图像和所述几何精纠正全色图像进行多光谱和全色融合，得到所述高空间分辨率精纠正卫星影像。
[0011]可选的，所述获取高时间分辨率植被指数立方体数据，包括：获取高时间分辨率卫星影像集合；对所述高时间分辨率卫星影像集合中的每张卫星影像进行几何精纠正和大气纠正，获得高时间分辨率反射率数据产品；对所述高时间分辨率反射率数据产品进行植被指数计算，获得高时间分辨率植被指数数据产品；对所述高时间分辨率植被指数数据产品进行时序数据叠加获得所述高时间分辨率植被指数立方体数据。
[0012]第二方面，本专利技术还提供一种遥感信息样本选择系统，包括：第一获取模块，用于获取高空间分辨率精纠正卫星影像、高时间分辨率植被指数立方体数据和采样区域图；所述高空间分辨率精纠正卫星影像、所述高时间分辨率植被指数立方体数据和所述采样区域图在空间位置关系上相互对应；第二获取模块，用于获取所述采样区域图中的多个图像区域，所述图像区域包括第一图像区域和第二图像区域；第三获取模块，用于获取参考样点和与所述参考样点对应的识别标签，所述参考样点和与所述参考样点对应的识别标签是基于用户输入确定的，所述参考样点是在所述第一图像区域中基于所述高空间分辨率精纠正卫星影像、所述高时间分辨率植被指数立方体数据和预设的一种或多种样本类型确定的，每种所述样本类型至少与一个所述参考样点对应；模型分类模块，用于基于分类模型对所述第二图像区域进行分类，所述分类模型是基于所述参考样点以及所述参考样点对应的识别标签进行训练后得到的，所述识别标签是根据所述样本类型预先确定的。
[0013]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述遥感信息样本选择方法的步骤。
[0014]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述遥感信息样本选择方法的步骤。
[0015]第五方面本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述遥感信息样本选择方法的步骤。
[0016]本专利技术提供的遥感信息样本选择方法及系统，通过融合高空间分辨率精纠正卫星影像和高时间分辨率植被指数立方体数据，能够很好地提供地表样本信息和季节性变化特征，并且本专利技术通过分类模型对待选择样本的区域进行分类，实现了提高样本选取的精度
可靠性和样本选择效率。
附图说明
[0017]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是本专利技术实施例提供的遥感信息样本选择方法的流程示意图之一；
[0019]图2是本专利技术实施例提供的获取高空间分辨率精纠正卫星影像的流程示意图；
[0020]图3是本专利技术实施例提供的高时间分辨率植被指数立方体数据的流程示意图；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感信息样本选择方法，其特征在于，包括：获取高空间分辨率精纠正卫星影像、高时间分辨率植被指数立方体数据和采样区域图；所述高空间分辨率精纠正卫星影像、所述高时间分辨率植被指数立方体数据和所述采样区域图在空间位置关系上相互对应；获取所述采样区域图中的多个图像区域，所述图像区域包括第一图像区域和第二图像区域；获取参考样点和与所述参考样点对应的识别标签，所述参考样点和与所述参考样点对应的识别标签是基于用户输入确定的，所述参考样点是在所述第一图像区域中基于所述高空间分辨率精纠正卫星影像、所述高时间分辨率植被指数立方体数据和预设的一种或多种样本类型确定的，每种所述样本类型至少与一个所述参考样点对应；基于分类模型对所述第二图像区域进行分类，所述分类模型是基于所述参考样点以及所述参考样点对应的识别标签进行训练后得到的，所述识别标签是根据所述样本类型预先确定的。2.根据权利要求1所述的遥感信息样本选择方法，其特征在于，所述获取参考样点和与所述参考样点对应的识别标签，包括：获取用户基于所述高空间分辨率精纠正卫星影像输入的单期参考样点，和与所述单期参考样点对应的识别标签；和/或获取用户基于植被时序变化曲线输入的多期参考样点，和与所述多期参考样点对应的识别标签；其中，所述植被时序变化曲线是基于所述高时间分辨率植被指数立方体数据得到的；所述单期参考样点为与时间变化无关的样本类型对应的参考样点；所述多期参考样点为与时间变化相关的样本类型对应的参考样点。3.根据权利要求1所述的遥感信息样本选择方法，其特征在于，所述基于分类模型对所述第二图像区域进行分类，包括：将所述第二图像区域、所述第二图像区域对应的高空间分辨率精纠正卫星影像和所述第二图像区域对应的高时间分辨率植被指数立方体数据输入至所述分类模型，输出各所述第二图像区域的分类结果；其中，所述分类结果包括有明显归属分类区域和无明显归属分类区域。4.根据权利要求3所述的遥感信息样本选择方法，其特征在于，所述方法还包括：若所述分类结果中包括所述无明显归属分类区域，获取附加参考样点和与所述附加参考样点对应的识别标签；基于所述附加参考样点和与所述附加参考样点对应的识别标签对所述分类模型再训练；使用所述再训练后的分类模型对未进行样本选择的图像区域进行分类；重复上述步骤，直到遍历所有图像区域；其中，所述附加参考样点和与所述附加参考样点对应的识别标签是基于用户输入在所述无明显归属分类区域中确定的。5.根据权利要求1
‑
4中任一项所述的遥感信息...

【专利技术属性】
技术研发人员：温庆可，张承康，申茜，袁艺馨，王立兵，
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：